Amtliche Mitteilungen II - Universität Göttingen

Datum: 26.06.2017 Nr.: 15

Inhaltsverzeichnis

Seite

Wirtschaftswissenschaftliche Fakultät (Federführung):

Modulverzeichnis zur Prüfungs- und Studienordnung für den konsekutiven

Master-Studiengang „Angewandte Statistik“ 6567

Am

tlich

e M

ittei

lung

en II

Amtliche Mitteilungen II der Georg-August-Universität Göttingen vom 26.06.2017/Nr. 15 Seite 6567

Wirtschaftswissenschaftliche Fakultät (Federführung):

Nach Beschluss der Fakultätsräte der Wirtschaftswissenschaftlichen Fakultät vom

01.02.2017 sowie der Medizinischen Fakultät vom 27.03.2017 hat das Präsidium der Georg-

August-Universität am 11.04.2017 die Neufassung des Modulverzeichnisses zur Prüfungs-

und Studienordnung für den konsekutiven Master-Studiengang „Angewandte Statistik“ ge-

nehmigt (§ 44 Abs. 1 Satz 2 NHG; § 37 Abs. 1 Satz 3 Nr. 5 b) NHG, § 44 Abs. 1 Satz 3

NHG).

Die Neufassung des Modulverzeichnisses tritt nach seiner Bekanntmachung in den Amtli-

chen Mitteilungen II rückwirkend zum 01.04.2017 in Kraft.

Georg-August-Universität

Göttingen

Modulverzeichnis

zu der Prüfungs- und Studienordnung fürden konsekutiven Master-Studiengang

"Angewandte Statistik" (Amtliche MitteilungenI Nr. 14/2013 S. 355, zuletzt geaendert durchAmtliche Mitteilungen I Nr. 18/2017 S. 342)

Amtliche Mitteilungen II der Georg-August-Universität Göttingen vom 26.06.2017/Nr. 15 V7-SoSe17 Seite 6568

Inhaltsverzeichnis

Module

B.Geg.751: Introduction to Geographic Information Systems (GIS)...........................................................6578

B.Geg.752: Advanced Geographic Information Systems (GIS)..................................................................6579

B.Inf.1501: Algorithmen der Bioinformatik I................................................................................................ 6580

B.Inf.1504: Maschinelles Lernen in der Bioinformatik.................................................................................6581

B.Inf.1701: Vertiefung theoretischer Konzepte der Informatik.................................................................... 6582

B.Inf.1705: Vertiefung Softwaretechnik.......................................................................................................6583

B.Inf.1706: Vertiefung Datenbanken........................................................................................................... 6585

B.Inf.1707: Vertiefung Computernetzwerke................................................................................................ 6587

B.Inf.1708: IT-Sicherheit..............................................................................................................................6589

B.Inf.1801: Programmierkurs.......................................................................................................................6590

B.Inf.1802: Programmierpraktikum..............................................................................................................6591

B.Inf.301.2: Medizinische Dokumentation...................................................................................................6592

B.Inf.301.3: Datenschutz und Datensicherheit............................................................................................6593

B.MZS.03: Einführung in die empirische Sozialforschung..........................................................................6594

B.Mat.0011: Analysis I................................................................................................................................ 6595

B.Mat.0012: Analytische Geometrie und Lineare Algebra I........................................................................6597

B.Mat.0720: Mathematische Anwendersysteme (Grundlagen)...................................................................6599

B.Mat.0803: Diskrete Mathematik............................................................................................................... 6601

B.Mat.0804: Diskrete Stochastik................................................................................................................. 6603

B.Mat.0811: Mathematische Grundlagen in der Biologie........................................................................... 6605

B.Mat.0821: Mathematische Grundlagen in den Geowissenschaften........................................................ 6606

B.Mat.0921: Einführung in TeX/LaTeX und praktische Anwendungen.......................................................6607

M.Inf.1211: Probabilistische Datenmodelle und ihre Anwendungen...........................................................6609

M.Inf.1351: Arbeitsmethoden in der Gesundheitsforschung.......................................................................6610

M.Inf.1501: Data Mining in der Bioinformatik..............................................................................................6611

M.Inf.1504: Algorithmen der Bioinformatik II...............................................................................................6612

M.Inf.1802: Praktikum XML.........................................................................................................................6613

M.Inf.1804: Praktikum Software-Qualitätssicherung................................................................................... 6614

M.MED.0001: Lineare Modelle und ihre mathematischen Grundlagen...................................................... 6616


Inhaltsverzeichnis

M.MED.0002: Longitudinale Daten............................................................................................................. 6617

M.MED.0003: Ereigniszeitanalyse...............................................................................................................6619

M.MED.0004: Klinische Studien..................................................................................................................6621

M.MED.0005: Statistische Methoden der Bioinformatik..............................................................................6623

M.MED.0006: Genetische Epidemiologie....................................................................................................6625

M.MED.0008: Grundlagen der Anwendung auf die Bereiche Lebenswissenschaften/Medizin/Versorgungsforschung.................................................................................................................................6627

M.MED.0010: Mathematische Grundlagen der Angewandten Statistik...................................................... 6629

M.MM.001: Wahlmodul Epidemiology.........................................................................................................6630

M.MZS.11: Konzeption und Planung quantitativer empirischer Forschungsprojekte..................................6631

M.MZS.12: Datenerhebung in der quantitativen Sozialforschung...............................................................6632

M.Pol.200: Vertiefung Politische Theorie und Internationale Beziehungen................................................ 6634

M.Pol.300: Vertiefung Vergleichende Politikwissenschaft und Politisches System der BRD......................6635

M.SIA.E19: Market integration and price transmission I.............................................................................6637

M.Soz.100: Makrosoziologische Theorien.................................................................................................. 6638

M.Soz.200: Methoden des Vergleichs........................................................................................................ 6640

M.Soz.30a: "Arbeit und Sozialstruktur" (Überblicksmodul)......................................................................... 6641

M.Soz.40a: Politische Soziologie und Sozialpolitik (Überblicksmodul).......................................................6643

M.Soz.50a: Kultursoziologie (Überblicksmodul)..........................................................................................6645

M.WIWI-BWL.0001: Finanzwirtschaft..........................................................................................................6647

M.WIWI-BWL.0004: Financial Risk Management.......................................................................................6649

M.WIWI-BWL.0008: Derivate...................................................................................................................... 6651

M.WIWI-BWL.0080: Marktforschung II........................................................................................................6653

M.WIWI-BWL.0139: Discrete Choice Modeling.......................................................................................... 6655

M.WIWI-QMW.0001: Generalized Linear Models.......................................................................................6656

M.WIWI-QMW.0002: Advanced Statistical Inference (Likelihood & Bayes)................................................6658

M.WIWI-QMW.0004: Econometrics I.......................................................................................................... 6660

M.WIWI-QMW.0005: Econometrics II......................................................................................................... 6661

M.WIWI-QMW.0009: Introduction to Time Series Analysis........................................................................ 6662

M.WIWI-QMW.0010: Multivariate Statistics................................................................................................ 6663

M.WIWI-QMW.0011: Statistical Programming with R.................................................................................6664


Inhaltsverzeichnis

M.WIWI-QMW.0012: Multivariate Time Series Analysis.............................................................................6665

M.WIWI-QMW.0013: Applied Econometrics............................................................................................... 6666

M.WIWI-QMW.0016: Spatial Statistics........................................................................................................6668

M.WIWI-QMW.0020: Practical Statistical Training......................................................................................6669

M.WIWI-QMW.0021: Introduction to R....................................................................................................... 6670

M.WIWI-VWL.0008: Development Economics I: Macro Issues in Economic Development........................6671

M.WIWI-VWL.0009: Development Economics II: Micro Issues in Development Economics...................... 6672

M.WIWI-VWL.0022: Analysis of Micro Data............................................................................................... 6673

M.WIWI-VWL.0040: Empirical Trade Issues...............................................................................................6674

M.WIWI-VWL.0041: Panel Data Econometrics...........................................................................................6676

M.WIWI-VWL.0096: Essentials of Global Health........................................................................................6677

M.WIWI-VWL.0099: Poverty & Inequality................................................................................................... 6678

M.WIWI-VWL.0113: Financial Econometrics.............................................................................................. 6679

M.WIWI-WB.1000: Praktikum......................................................................................................................6680

SK.GB.01: Sozialkompetenz: Gender- und Diversitykompetenz: Grundlagen für die berufliche Praxis..... 6681


Inhaltsverzeichnis

Übersicht nach Modulgruppen

I. Master-Studiengang "Angewandte Statistik"

Es müssen Leistungen im Umfang von insgesamt wenigstens 120 C nach Maßgabe der nachfolgendenBestimmungen erfolgreich absolviert werden.

1. Pflichtbereich

Es sind folgende Module im Umfang von insgesamt 36 C erfolgreich zu absolvieren

M.MED.0010: Mathematische Grundlagen der Angewandten Statistik (6 C, 4 SWS)...................... 6629

M.WIWI-QMW.0002: Advanced Statistical Inference (Likelihood & Bayes) (6 C, 4 SWS)................6658

M.MED.0001: Lineare Modelle und ihre mathematischen Grundlagen (9 C, 6 SWS)...................... 6616

M.WIWI-QMW.0021: Introduction to R (3 C, 2 SWS).......................................................................6670

M.WIWI-QMW.0001: Generalized Linear Models (6 C, 4 SWS).......................................................6656

M.WIWI-QMW.0011: Statistical Programming with R (6 C, 4 SWS)................................................ 6664

2. Wahlpflichtbereich

Es müssen Module im Umfang von insgesamt wenigstens 36 C nach Maßgabe der nachfolgendenBestimmungen erfolgreich absolviert werden:

a. Fortgeschrittene statistische Modellierung

Es sind aus den folgenden Modulen zur fortgeschrittenen statistischen Modellierung insgesamt dreiModule im Umfang von insgesamt mindestens 18 C erfolgreich zu absolvieren:

M.WIWI-QMW.0010: Multivariate Statistics (6 C, 4 SWS)...........................................................6663

M.WIWI-QMW.0009: Introduction to Time Series Analysis (6 C, 4 SWS)................................... 6662

M.WIWI-QMW.0012: Multivariate Time Series Analysis (6 C, 4 SWS)........................................6665

M.WIWI-QMW.0016: Spatial Statistics (6 C, 4 SWS).................................................................. 6668

M.MED.0002: Longitudinale Daten (6 C, 4 SWS)....................................................................... 6617

M.MED.0003: Ereigniszeitanalyse (6 C, 4 SWS).........................................................................6619

M.Inf.1211: Probabilistische Datenmodelle und ihre Anwendungen (6 C, 4 SWS)......................6609

M.Inf.1501: Data Mining in der Bioinformatik (6 C, 4 SWS)........................................................ 6611

M.WIWI-QMW.0004: Econometrics I (6 C, 4 SWS).....................................................................6660

M.WIWI-QMW.0005: Econometrics II (6 C, 4 SWS)....................................................................6661

b. Spezialisierung


Inhaltsverzeichnis

Es sind Module im Umfang von insgesamt mindestens 18 C aus Spezialisierungen mit Bezug zudem gewählten Anwendungsgebiet erfolgreich zu absolvieren. Als Anwendungsgebiete stehenWirtschaftswissenschaften, Lebenswissenschaften, empirische Sozialforschung und Informatik zurWahl.

aa. Spezialisierung Wirtschaftswissenschaften

Es sind wenigstens 3 der folgenden Module im Umfang von insgesamt wenigstens 18 Cerfolgreich zu absolvieren.

M.WIWI-QMW.0010: Multivariate Statistics (6 C, 4 SWS)......................................................6663

M.WIWI-QMW.0012: Multivariate Time Series Analysis (6 C, 4 SWS).................................. 6665

M.WIWI-QMW.0013: Applied Econometrics (6 C, 4 SWS).....................................................6666

M.WIWI-VWL.0041: Panel Data Econometrics (6 C, 4 SWS)................................................ 6676

M.WIWI-VWL.0022: Analysis of Micro Data (6 C, 4 SWS).....................................................6673

M.WIWI-QMW.0004: Econometrics I (6 C, 4 SWS)............................................................... 6660

M.WIWI-QMW.0005: Econometrics II (6 C, 4 SWS)...............................................................6661

M.WIWI-BWL.0001: Finanzwirtschaft (6 C, 4 SWS)...............................................................6647

M.WIWI-BWL.0080: Marktforschung II (6 C, 3 SWS).............................................................6653

M.WIWI-BWL.0004: Financial Risk Management (6 C, 4 SWS)............................................ 6649

M.WIWI-BWL.0008: Derivate (6 C, 4 SWS)........................................................................... 6651

M.WIWI-BWL.0139: Discrete Choice Modeling (6 C, 2 SWS)................................................6655

M.WIWI-VWL.0040: Empirical Trade Issues (6 C, 4 SWS).................................................... 6674

M.WIWI-VWL.0008: Development Economics I: Macro Issues in Economic Development (6 C,4 SWS).................................................................................................................................... 6671

M.WIWI-VWL.0009: Development Economics II: Micro Issues in Development Economics (6 C,4 SWS).................................................................................................................................... 6672

M.WIWI-VWL.0096: Essentials of Global Health (6 C, 2 SWS)............................................. 6677

M.WIWI-VWL.0099: Poverty & Inequality (6 C, 4 SWS).........................................................6678

M.WIWI-VWL.0113: Financial Econometrics (6 C, 4 SWS)....................................................6679

M.SIA.E19: Market integration and price transmission I (6 C, 4 SWS).................................. 6637

M.WIWI-WB.1000: Praktikum (6 C)........................................................................................ 6680

bb. Spezialisierung Lebenswissenschaften

Es sind wenigstens 3 der folgenden Module im Umfang von insgesamt wenigstens 18 Cerfolgreich zu absolvieren.

M.MED.0003: Ereigniszeitanalyse (6 C, 4 SWS)....................................................................6619


Inhaltsverzeichnis

M.MED.0004: Klinische Studien (6 C, 4 SWS).......................................................................6621

M.MED.0005: Statistische Methoden der Bioinformatik (6 C, 4 SWS)................................... 6623

M.MED.0006: Genetische Epidemiologie (6 C, 4 SWS).........................................................6625

B.Inf.1504: Maschinelles Lernen in der Bioinformatik (5 C, 4 SWS)...................................... 6581

B.Inf.1501: Algorithmen der Bioinformatik I (5 C, 4 SWS)......................................................6580

M.Inf.1504: Algorithmen der Bioinformatik II (6 C, 4 SWS).................................................... 6612

B.Inf.301.2: Medizinische Dokumentation (3 C, 2 SWS)........................................................ 6592

M.MM.001: Wahlmodul Epidemiology (4 C, 3 SWS)..............................................................6630

M.MED.0008: Grundlagen der Anwendung auf die Bereiche Lebenswissenschaften/Medizin/Versorgungsforschung (3 C, 2 SWS)......................................................................................6627


cc. Spezialisierung empirische Sozialforschung

Es sind Module im Umfang von insgesamt mindestens 18 C nach Maßgabe der folgendenBestimmungen erfolgreich zu absolvieren.

i. Bereich A

Es ist folgendes Modul im Umfang von 6 C erfolgreich zu absolvieren:

M.MZS.12: Datenerhebung in der quantitativen Sozialforschung (6 C, 3 SWS)................6632

ii. Bereich B

Es ist wenigstens eines der folgenden Module im Umfang von insgesamt mindestens 12 Cerfolgreich zu absolvieren:

M.MZS.11: Konzeption und Planung quantitativer empirischer Forschungsprojekte (6 C,3 SWS)............................................................................................................................... 6631

M.Pol.200: Vertiefung Politische Theorie und Internationale Beziehungen (12 C,4 SWS)............................................................................................................................... 6634

M.Pol.300: Vertiefung Vergleichende Politikwissenschaft und Politisches System der BRD(12 C, 4 SWS)....................................................................................................................6635

M.Soz.100: Makrosoziologische Theorien (6 C, 3 SWS)...................................................6638

M.Soz.200: Methoden des Vergleichs (6 C, 3 SWS)........................................................ 6640

M.Soz.30a: "Arbeit und Sozialstruktur" (Überblicksmodul) (6 C, 3 SWS)..........................6641

M.Soz.40a: Politische Soziologie und Sozialpolitik (Überblicksmodul) (6 C, 3 SWS)........6643

M.Soz.50a: Kultursoziologie (Überblicksmodul) (6 C, 3 SWS).......................................... 6645

M.WIWI-WB.1000: Praktikum (6 C)................................................................................... 6680


Inhaltsverzeichnis

dd. Spezialisierung Informatik

Es sind Module im Umfang von insgesamt mindestens 18 C erfolgreich zu absolvieren. Eskönnen alle Module gemäß Anlage I Nummer 1) („Fachstudium“) des Master- Studiengangs„Angewandte Informatik“ gewählt werden. Empfohlen werden folgende Module:

B.Inf.1701: Vertiefung theoretischer Konzepte der Informatik (5 C, 3 SWS).......................... 6582

B.Inf.1705: Vertiefung Softwaretechnik (5 C, 3 SWS)............................................................ 6583

B.Inf.1706: Vertiefung Datenbanken (6 C, 4 SWS)................................................................ 6585

B.Inf.1707: Vertiefung Computernetzwerke (5 C, 3 SWS)......................................................6587

B.Inf.1708: IT-Sicherheit (5 C, 4 SWS)...................................................................................6589

B.Inf.1802: Programmierpraktikum (5 C, 4 SWS)...................................................................6591


3. Statistisches Praktikum


M.WIWI-QMW.0020: Practical Statistical Training (6 C, 2 SWS)..................................................... 6669

4. Schlüsselqualifikationen

Es müssen Module im Umfang von insgesamt wenigstens 12 C nach Maßgabe der nachfolgendenBestimmungen erfolgreich absolviert werden.

a. Datenschutz und Datensicherheit


B.Inf.301.3: Datenschutz und Datensicherheit (3 C, 2 SWS)...................................................... 6593

b. Weitere Module und Schlüsselkompetenzen

Es sind weitere Module im Umfang von insgesamt wenigstens 9 C erfolgreich zu absolvieren.Diese können frei aus einem oder mehreren der folgenden Angebote gewählt werden:

aa. Sprachangebot der ZESS

Module aus dem Sprachangebot der ZESS, soweit es sich nicht um Module aufGrundstufenniveau handelt. Abweichend von Satz 1 ist die Berücksichtigung von Modulenzur deutschen und englischen Sprache sowie der Muttersprache der oder des Studierendenausgeschlossen.

bb. Schlüsselkompetenzen

Module aus aus dem zentralen Schlüsselkompetenzangebot der Universität Göttingen mitModulkennungen SK.AS.BK, SK.AS.FK,.SK.AS.KK, SK.AS.SK oder SK.AS.WK, sofern diedort genannten Zugangsvoraussetzungen erfüllt sind. Das Einbringen von Modulen mit derAnfangskennung SK.AS ist auf 6 C begrenzt. Ferner kann gewählt werden:


Inhaltsverzeichnis

B.Geg.751: Introduction to Geographic Information Systems (GIS) (3 C, 2 SWS).................6578

B.Geg.752: Advanced Geographic Information Systems (GIS) (3 C, 2 SWS)........................6579

B.Inf.1801: Programmierkurs (5 C, 3 SWS)............................................................................6590

B.MZS.03: Einführung in die empirische Sozialforschung (6 C, 6 SWS)................................6594

B.Mat.0011: Analysis I (9 C, 6 SWS)..................................................................................... 6595

B.Mat.0012: Analytische Geometrie und Lineare Algebra I (9 C, 6 SWS)..............................6597

B.Mat.0720: Mathematische Anwendersysteme (Grundlagen) (3 C, 2 SWS)........................ 6599

B.Mat.0803: Diskrete Mathematik (9 C, 6 SWS).................................................................... 6601

B.Mat.0804: Diskrete Stochastik (9 C, 6 SWS)...................................................................... 6603

B.Mat.0811: Mathematische Grundlagen in der Biologie (6 C, 4 SWS)................................. 6605

B.Mat.0821: Mathematische Grundlagen in den Geowissenschaften (6 C, 4 SWS).............. 6606

B.Mat.0921: Einführung in TeX/LaTeX und praktische Anwendungen (3 C, 2 SWS).............6607

M.Inf.1351: Arbeitsmethoden in der Gesundheitsforschung (5 C, 3 SWS).............................6610

M.Inf.1802: Praktikum XML (6 C, 4 SWS)..............................................................................6613

M.Inf.1804: Praktikum Software-Qualitätssicherung (6 C, 4 SWS).........................................6614

SK.GB.01: Sozialkompetenz: Gender- und Diversitykompetenz: Grundlagen für die beruflichePraxis (3 C, 2 SWS)................................................................................................................6681

5. Masterarbeit

Durch die erfolgreiche Anfertigung der Masterarbeit werden 30 C erworben.


Modul B.Geg.751 - Version 1

Georg-August-Universität Göttingen

Modul B.Geg.751: Introduction to Geographic Information Systems(GIS)English title: Introduction to Geographic Information Systems (GIS)

3 C (Anteil SK: 3C)2 SWS

Lernziele/Kompetenzen:

The students possess general methodological skills in the handling of geodata using

GIS-Software (ArcGIS). They are able to create, edit, manage, analyse and present

spatial data using GIS-Software for basic applications and small projects.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: GIS for beginners (Übung) 2 SWS

Prüfung: GIS-Projektarbeit inkl. schriftlichen Arbeitsberichts (max. 10 Seiten) 3 C

Prüfungsanforderungen:

The students prove their ability to apply basic GIS-methods in the context of small GIS-

projects.

Zugangsvoraussetzungen:

keine

Empfohlene Vorkenntnisse:

keine

Sprache:

Englisch

Modulverantwortliche[r]:

Dr. Stefan Erasmi

Angebotshäufigkeit:

jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig

Empfohlenes Fachsemester:

2 - 6

Maximale Studierendenzahl:

19

Bemerkungen:

Teilnahmeanmeldung zur Lehrveranstaltung über Stud.IP.

Dieses Schlüsselkompetenzmodul darf nicht absolviert werden, wenn eines der folgenden Module

absolviert wird: B.Geg.04, B.ÖSM.103, B.Geg.750.

Empfohlenes Fachsemester / recommended for term: Bachelor: 2 - 6; Master: 1 - 4.

Application for attendance at the course via Stud.IP.

This module must not be be taken if one of the following modules is taken: B.Geg.04, B.ÖSM.103,

B.Geg.750.


Modul B.Geg.752 - Version 1


Modul B.Geg.752: Advanced Geographic Information Systems (GIS)English title: Advanced Geographic Information Systems (GIS)



The students possess advanced methodological skills in the spatial analysis and

modelling of space-related data in Geographic Information Systems (GIS) and are able

to apply them independently.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: GIS for Advanced Learners (Übung) 2 SWS

Prüfung: GIS-Projektarbeit inkl. schriftlichen Arbeitsberichts (max. 10 Seiten) 3 C


The students proof their ability to apply advanced GIS-methods in the context of spatial

analysis and modelling of geodata.


keine


Basic knowledge of using GIS

Sprache:

Englisch


Dr. Stefan Erasmi


jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


4 - 6


19

Bemerkungen:

Teilnahmeanmeldung zur Lehrveranstaltung über Stud.IP.

Empfohlenes Fachsemester / recommended for term: Bachelor: 4 - 6; Master: 1 - 4.

Application for attendance at the course via Stud.IP.


Modul B.Inf.1501 - Version 2


Modul B.Inf.1501: Algorithmen der Bioinformatik IEnglish title: Algorithms in Bioinformatics I

5 C4 SWS


Die Studierenden sollen die Spezifik der Modellbildung und der Algorithmik in der

Bioinformatik kennen- und verstehen lernen. Ausgehend von konkreten biologischen

Fragestellungen sollen Entwurf und Anwendung geeigneter Algorithmen verstanden

werden.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

94 Stunden

Lehrveranstaltung: Algorithmen der Bioinformatik I (Vorlesung, Übung) 4 SWS

Prüfung: Mündlich (ca. 20 Minuten)


Die Studierenden sollen die Spezifik der Modellbildung und der Algorithmik in der

Bioinformatik kennen und verstehen. Ausgehend von konkreten biologischen

Fragestellungen sollen die Studierenden die Fähigkeit haben, geeignete Algorithmen zu

entwerfen und anzuwenden.

5 C


B.Bio-NF.117: Genomanalyse


Biologische und mathematische Grundkenntnisse

Sprache:

Deutsch


Prof. Dr. Burkhard Morgenstern


jedes Wintersemester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


3


20




Modul B.Inf.1504: Maschinelles Lernen in der BioinformatikEnglish title: Maschine Learning in Bioinformatics

5 C4 SWS


Es sollen grundlegende Konzepte das maschinellen Lernens anschaulich vermittelt

werden. Ziel ist das Verständnis der statistischen Voraussetzungen und der

algorithmischen Umsetzung von maschinellen Lernverfahren. Dabei soll sowohl eine

formale Beschreibung als auch die Implementation von einzelnen Methoden praktisch

nachvollzogen werden können. Die Anwendungsmöglichkeiten der Methoden sollen

vornehmlich im Kontext von mehrdimensionalen biomedizinschen Daten diskutiert und

erprobt werden.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

94 Stunden

Lehrveranstaltung: Maschinelles Lernen (Vorlesung, Übung) 4 SWS

Prüfung: Mündlich (ca. 20 Minuten) 5 C


Die Studierenden können Konzepte des Maschinellen Lernens selbständig verstehen

und anwenden.


keine


Biologische und mathematische Grundkenntnisse

Sprache:

Deutsch


Dr. Peter Meinicke



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


3 - 5


15




Modul B.Inf.1701: Vertiefung theoretischer Konzepte der InformatikEnglish title: Advanced Theoretical Computer Science

5 C3 SWS


Dieses Modul baut die Kompetenzen aus dem Modul B.Inf.1201 aus. Es geht um

den Erwerb fortgeschrittener Kompetenz im Umgang mit theoretischen Konzepten

der Informatik und den damit verbundenen mathematischen Techniken und

Modellierungstechniken.

Arbeitsaufwand:

Präsenzzeit:

42 Stunden

Selbststudium:

108 Stunden

Lehrveranstaltung: Vorlesungen zur Codierungstheorie, Informationstheorie oder

Komplexitätstheorie (Vorlesung, Übung)

Inhalte:

Vertiefung in einem der folgenden Gebiete: Komplexitätstheorie (Erkundung der

Grenzen effizienter Algorithmen), Datenstrukturen für boolesche Funktionen,

Kryptographie, Informationstheorie, Codierungstheorie, Signalverarbeitung.

Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.) 5 C


Nachweis über den Erwerb vertiefter weiterführender Kompetenzen aus dem

Kompetenzbereich der Module B.Inf.1201 Theoretische Informatik oder B.Inf.1202

Formale Systeme.


keine


B.Inf.1201, B.Inf.1202

Sprache:

Deutsch, Englisch


Prof. Dr. Stephan Waack

(Prof. Dr. Carsten Damm)


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



30




Modul B.Inf.1705: Vertiefung SoftwaretechnikEnglish title: Advanced Software Engineering

5 C3 SWS


Die Studierenden haben vertiefte Kenntnisse und Kompetenzen aus einem Gebiet

der Softwaretechnik erworben. Beispiele für Gebiete der Softwaretechnik in denen

vertiefte Kenntnisse und Kompetenzen erworben werden können sind Requirements

Engineering, Qualitätssicherung oder Softwareevolution.

Arbeitsaufwand:

Präsenzzeit:

42 Stunden

Selbststudium:

108 Stunden

Lehrveranstaltung: Software Testing (Vorlesung, Übung)

Inhalte:

The students

• can define the term software quality and acquire knowledge on the principles of

software quality assurance.

• become acquainted with the general test process and know how the general test

process can be embedded into the overall software development process.

• gain knowledge about manual static analysis and about methods for applying

manual static analysis.

• gain knowledge about computer-based static analysis and about methods for

applying computer-based static analysis.

• gain knowlege about black-box testing and about the most important methods for

deriving test cases for black-box testing.

• gain knowlege about glass-box testing and about the most important methods for

deriving test cases for glass-box testing.

• acquire knowledge about the specialities of testing of object oriented software.

• acquire knowledge about tools that support software testing.

• gain knowledge about the principles of test managment.

3 SWS

Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)

Prüfungsvorleistungen:

Develop and present the solution of at least one exercise (presentation and report) and

active participation in the exercises.


Software quality, principles of software quality assurance, general test process, static

analysis, dynamic analysis, black-box testing, glass-box testing, testing of object-

oriented systems, testing tools, test management

5 C


keine


B.Inf.1101, B.Inf.1209

Sprache:

Englisch


Prof. Dr. Jens Grabowski


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit: Empfohlenes Fachsemester:



zweimalig


30




Modul B.Inf.1706: Vertiefung DatenbankenEnglish title: Advanced Databases

6 C4 SWS


Die Studierenden haben vertiefte Kenntnisse und Kompetenzen aus einem Gebiet der

Datenbanken erworben. Beispiele für Gebiete der Datenbanktechnik in denen vertiefte

Kenntnisse und Kompetenzen erworben werden können sind Semistrukturierte Daten

und XML, Semantic Web, sowie Deduktive Datenbanken.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltungen:

1. Semistrukturierte Daten und XML (Vorlesung, Übung)

4 SWS

2. Semantic Web (Vorlesung, Übung) 4 SWS

3. Deduktive Datenbanken (Vorlesung, Übung) 4 SWS

Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 25 Min.)


Semistrukturierte Daten und XML

• Konzepte semistrukturierter Datenmodelle und die Parallelen sowie Unterschiede

zum "klassischen" strukturierten, relationalen Datenmodell;. Fähigkeit zur

Beurteilung, welche Technologien in einer konkreten Anwendung zu wählen

und zu kombinieren sind; praktische Grundkenntnisse in den üblichen Sprachen

dieses Bereiches; Überblick über die historische Entwicklung von Modellen und

Sprachen im Datenbankbereich; Fähigkeit zum Nachvollziehen wissenschaftlicher

Fragestellungen und Vorgehensweisen.

Semantic Web

• Kenntnisse der theoretischen Grundlagen und technischen Konzepte des

Semantic Web; Fähigkeit zum Abschätzen des Nutzens und der Grenzen der

verwendeten Technologien; Fähigkeit zur Abwägung realer Szenarien; Fähigkeit

zum Nachvollziehen wissenschaftlicher Fragestellungen und Vorgehensweisen.

Deduktive Datenbanken

• Vertiefte Kenntnisse der im Datenbankbereich zugrundeliegenden Theorie.

Praktische Anwendung logikbasierter Programmiersprachen.

6 C


B.Inf.1202, B.Inf.1206


keine

Sprache:

Deutsch, Englisch


Prof. Dr. Wolfgang May


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig





30


Module B.Inf.1707 - Version 1


Module B.Inf.1707: Advanced Computernetworks

5 C3 WLH

Learning outcome, core skills:

Die Studierenden haben vertiefte Kenntnisse und Kompetenzen aus einem Gebiet

der Computernetzwerke erworben. Beispiele für Gebiete der Computernetzwerke in

denen vertiefte Kenntnisse und Kompetenzen erworben werden können sind z.B.

Mobilkommunikation, Sensornetzwerke, Computer- und Netzwerksicherheit.

Workload:

Attendance time:

42 h

Self-study time:

108 h

Course: Mobile Communication (Lecture, Exercise)

Contents:

On completion of the module students should be able to:

• explain the fundamentals of mobile communication including the use of

frequencies, modulation, antennas and how mobility is managed

• distinguish different multiple access schemes such as SDMA (Space Division

Multiple Access), FDMA (Frequency Division Multiple Access), TDMA (Time

Division Multiple Access), CDMA (Code Division Multiple Access) and their

variations as used in cellular networks

• describe the history of cellular network generations from the first generation (1G)

up to now (4G), recall their different ways of functioning and compare them to

complementary systems such as TETRA

• explain the fundamental idea and functioning of satellite systems

• classify different types of wireless networks including WLAN (IEEE 802.11), WPAN

(IEEE 802.15) such as Bluetooth and ZigBee, WMAN (IEEE 802.16) such as

WiMAX and recall their functioning

• explain the challenges of routing in mobile ad hoc and wireless sensor networks

• compare the transport layer of static systems to the transport layer in mobile

systems and explain the approaches to improve the mobile transport layer

performance

• differentiate between the security concepts used in GSM and 802.11 security as

well as describe the way tunnelling works

3 WLH

Examination: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)

Examination prerequisites:

Erarbeiten und Vorstellen der Lösung mindestens einer Übungsaufgabe (Präsentation

und schriftliche Ausarbeitung), sowie die aktive Teilnahme an den Übungen.

Examination requirements:

Fundamentals of mobile communication (frequencies, modulation, antennas, mobility

management); multiple access schemes (SDMA, FDMA, TDMA, CDMA) and their

variations; history of cellular network generations (first (1G) up to current generation

(4G) and outlook to future generations); complementary systems (e.g. TETRA);

fundamentals of satellite systems; wireless networks (WLAN (IEEE 802.11), WPAN

(IEEE 802.15) such as Bluetooth and ZigBee, WMAN (IEEE 802.16) such as WiMAX);

routing in MANETs and WSNs; transport layer for mobile systems; security challenges in

mobile networks such as GSM and 802.11 and tunneling

5 C



Admission requirements:

none

Recommended previous knowledge:

B.Inf.1101, B.Inf.1204

Language:

English

Person responsible for module:

Prof. Dr. Dieter Hogrefe

Course frequency:

unregelmäßig

Duration:

1 semester[s]

Number of repeat examinations permitted:

twice

Recommended semester:

Maximum number of students:

30




Module B.Inf.1708: Computer Security

5 C4 WLH


After successful completion of the modul students are able to

• describe and apply symmetric-key cryptosystems

• describe and apply public-key cryptosystems

• apply and compare mechanisms for authentication and access control

• explain attacks on different networks layers

• apply and compare defenses against network attacks

• identify vulnerabilities in software and use countermeasures

• describe types and mechanisms of malware

• apply and compare methods for intrusion and malware detection

• describe and use honeypot and sandbox systems

Workload:

Attendance time:

56 h

Self-study time:

94 h

Course: Introduction to Computer Security (Lecture, Exercise)

Course frequency: unregelmäßig

4 WLH

Examination: Klausur (120 Min.) oder mündliche Prüfung (ca. 20 Min.)


Successful completion of 50 % of the exercises


Symmetric-key and public-key cryptosystems; mechanisms for authentication

and access control; network attacks and defenses; software vulnerabilities and

countermeasures; detection of intrusions and malicious software

5 C


none


B.Inf.1101, B.Inf.1802

Language:

English


Prof. Dr. Konrad Rieck

Course frequency:

unregelmäßig

Duration:

1 semester[s]


twice



50




Modul B.Inf.1801: ProgrammierkursEnglish title: Programming

5 C3 SWS


Die Studierenden erlernen eine aktuelle Programmiersprache, sie

• beherrschen den Einsatz von Editor, Compiler und weiteren

Programmierwerkzeugen (z.B. Build-Management-Tools).

• kennen grundlegende Techniken des Programmentwurfs und können diese

anwenden.

• kennen Standarddatentypen (z.B. für ganze Zahlen und Zeichen) und spezielle

Datentypen (z.B. Felder und Strukturen).

• kennen die Operatoren der Sprache und können damit gültige Ausdrücke bilden

und verwenden.

• kennen die Anweisungen zur Steuerung des Programmablaufs (z.B.

Verzweigungen und Schleifen) und können diese anwenden.

• kennen die Möglichkeiten zur Strukturierung von Programmen (z.B. Funktionen

und Module) und können diese einsetzen.

• kennen die Techniken zur Speicherverwaltung und können diese verwenden.

• kennen die Möglichkeiten und Grenzen der Rechnerarithmetik (z.B. Ganzzahl- und

Gleitkommarithmetik) und können diese beim Programmentwurf berücksichtigen.

• kennen die Programmbibliotheken und können diese einsetzen.

Arbeitsaufwand:

Präsenzzeit:

42 Stunden

Selbststudium:

108 Stunden

Lehrveranstaltung: Grundlagen der C-Programmierung (Blockveranstaltung) 3 SWS

Prüfung: Klausur (90 Minuten), unbenotet


Standarddatentypen, Konstanten, Variablen, Operatoren, Ausdrücke, Anweisungen,

Kontrollstrukturen zur Steuerung des Programmablaufs, Strings, Felder, Strukturen,

Zeiger, Funktionen, Speicherverwaltung, Rechnerarithmetik, Ein-/Ausgabe, Module,

Standardbibliothek, Präprozessor, Compiler, Linker

5 C


keine


keine

Sprache:

Deutsch


Dr. Henrik Brosenne



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



120




Modul B.Inf.1802: ProgrammierpraktikumEnglish title: Training in Programming

5 C4 SWS


Die Studierenden erlernen eine objektorientierte Programmiersprache, sie

• kennen die gängigen Programmierwerkzeuge (Compiler, Build-Management-

Tools) und können diese benutzen.

• kennen die Grundsätze und Techniken des objektorientierten Programmentwurfs

(z.B. Klassen, Objekte, Kapselung, Vererbung, Polymorphismus) und können

diese anwenden.

• kennen eine Auswahl der zur Verfügung stehenden Application Programming

Interfaces (APIs) (z.B. Collections-, Grafik-, Thread-API)

• können Dokumentationskommentare benutzen und kennen die Werkzeuge zur

Generierung von API-Dokumentation.

• kennen Techniken und Werkzeuge zur Versionskontrolle und können diese

anwenden.

• können Programme erstellen, die konkrete Anforderungen erfüllen, und deren

Korrektheit durch geeignete Testläufe überprüfen.

• kennen die Prinzipien und Methoden der projektbasierten Teamarbeit und können

diese umsetzen.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

94 Stunden

Lehrveranstaltung: Programmierpraktikum (Praktikum, Vorlesung)

Prüfung: Mündlich (ca. 20 Minuten)


Lösung von 50% der Programmieraufgaben und die erfolgreiche Teilnahme an einer

großen Gruppenaufgabe.


Klassen, Objekte, Schnittstellen, Vererbung, Packete, Exceptions, Collections,

Typisierung, Grafik, Threads, Thread-Synchronisation, Prozess-Kommunikation,

Dokumentation, Archive, Versionskontrolle

5 C


B.Inf.1101


B.Inf.1801

Sprache:

Deutsch


Dr. Henrik Brosenne


jedes Sommersemester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



80


Modul B.Inf.301.2 - Version 1


Modul B.Inf.301.2: Medizinische Dokumentation

3 C2 SWS


Die Vorlesung führt die grundlegenden Arbeitstechniken der medizinischen

Dokumentation sowie des üblichen Kodierungssystems ein. Die Vorlesung vermittelt

ferner die Bedeutung von Wissensmanagement für die medizini-sche Forschung und

Gesundheitsversorgung. Sie lernen die methodischen Ansätze zum Informations-

und Wissensmanagement kennen und erkennen die Herausforderungen der

Wissensrepräsentation in der Medizin für das Management und die Verfügbarkeit von

Wissen für ärztliche Entscheidungen.

Inhalte sind unter anderem die Verarbeitung natürlicher Sprache, UML, die Modellierung

elektronischer Krankenakten, Medizinische Dokumentation und Klassifikationssysteme,

Ontologien, Informationsdienste sowie der Datentransfer zwischen Forschung und

Versorgung.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Vorlesung: Medizinische Dokumentation (Vorlesung) 2 SWS

Prüfung: Klausur (90 Minuten)


Die Studierenden beschreiben wichtige Anwendungsfel-der, Strukturen und

Arbeitsabläufe der Medizinischen In-formatik in der klinischen Medizin und verstehen

deren generische Elemente. Sie können die theoretischen Grundlagen der

Wissensrepräsentation in der Medizin erläutern und verstehen deren Bedeutung für

das Ma-nagement und die Verfügbarkeit von Wissen für ärztliche Entscheidungen.

Die Studierenden sind in der Lage, Normen sowie ethische und rechtliche Grundlagen

verschiedener Anwendungsfelder der Medizinischen Infor-matik darzulegen und zu

erörtern. Modul ist obligatorisch für die Zertifizierung der Studienrichtung Medizinische

Informatik.

3 C


keine


keine

Sprache:

Deutsch


Prof. Dr. med. Otto Rienhoff



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 6


15

Bemerkungen:

Studiengang Angewandte Informatik (Bachelor) Studienrichtung Medizinische Informatik


Modul B.Inf.301.3 - Version 1


Modul B.Inf.301.3: Datenschutz und DatensicherheitEnglish title: Data protection and data security

3 C2 SWS


Die Vorlesung vermittelt grundlegende rechtliche Anforderungen an Datenschutz

und Datensicherheit in der medizinischen Datenverarbeitung. Sie lernen, welche

technischen, organisatorischen und vertraglichen Rahmenbedingungen sich hieraus

ergeben und wie diese umgesetzt werden können.

Themenbereiche sind beispielsweise Bundes-/Landes-/Sozialdatenschutz, Technische

und organisatorische Datenschutzmaßnahmen, Biometrische Verfahren, Kryptographie,

Signaturgesetz/Digitale Signatur, IT-Sicherheitsmanagement und IT-Grundschutz.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Vorlesung: Datenschutz und Datensicherheit (Vorlesung) 2 SWS



Die Studierenden beschreiben wichtige Anwendungsfelder, Strukturen und

Arbeitsabläufe der Medizinischen Informatik in der klinischen Medizin und verstehen

deren generische Elemente. Sie können die theoretischen Grundlagen der

Wissensrepräsentation in der Medizin erläutern und verstehen deren Bedeutung für

das Management und die Verfügbarkeit von Wissen für ärztliche Entscheidungen. Die

Studierenden sind in der Lage, Normen sowie ethische und rechtliche Grundlagen

verschiedener Anwendungsfelder der Medizinischen Informatik darzulegen und zu

erörtern. Modul ist obligatorisch für die Zertifizierung der Studienrichtung Medizinische

Informatik.

3 C


keine


keine

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 6


15

Bemerkungen:

Studiengang Angewandte Informatik (Bachelor) Studienrichtung Medizinische Informatik


Modul B.MZS.03 - Version 4


Modul B.MZS.03: Einführung in die empirische SozialforschungEnglish title: Introduction to Empirical Social Research

6 C6 SWS


Die Studierenden kennen die Vorgehensweisen bei empirischen Untersuchungen

in den Sozialwissenschaften. Sie haben Kenntnisse über wissenschaftstheoretische

Grundlagen der Sozialforschung, Erhebungs- und Auswertungsmethoden und die

methodologische Diskussion über Gemeinsamkeiten und kennen Unterschiede

sowie Möglichkeiten und Grenzen der Integration qualitativer und quantitativer

Sozialforschung. Sie erwerben erste forschungspraktische Kompetenzen sowie

Kenntnisse über den Forschungsprozess von der Entwicklung von Arbeitshypothesen,

über die Instrumentenentwicklung, Pretest und Haupterhebung (quantitative Methoden)

und Kenntnisse über den qualitativen Forschungsprozess und Methoden offener

Verfahren der Datengewinnung und -auswertung (qualitative Methoden).

Arbeitsaufwand:

Präsenzzeit:

84 Stunden

Selbststudium:

96 Stunden

Lehrveranstaltung: Vorlesung mit Praxisanteil zur Einführung in die Methoden der

empirischen Sozialforschung

Inhalte:

1. Einführung in die quantitative Sozialforschung mit Tutorium,

2. Einführung in die qualitative Sozialforschung mit Übung

6 SWS

Prüfung: Klausur mit zwei Teilen (120 Minuten) 6 C


Die Studierenden können erste empirische Untersuchungen auf der Basis der

wissenschaftstheoretischen Grundlagen durchführen und kennen die entsprechenden

Instrumente. Sie kennen die Diskussionen über qualitative und quantitative Forschung.


keine


keine

Sprache:

Deutsch


Prof. Dr. Gabriele Rosenthal



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1


900


Modul B.Mat.0011 - Version 4


Modul B.Mat.0011: Analysis IEnglish title: Analysis I

9 C6 SWS


Lernziele:

Nach erfolgreichem Absolvieren des Moduls sind die Studierenden mit analytischem

mathematischem Grundwissen vertraut. Sie

• wenden ihr Wissen über Mengen und Logik in verschiedenen Beweistechniken an;

• gehen sicher mit Ungleichungen reeller Zahlen sowie mit Folgen und Reihen

reeller und komplexer Zahlen um;

• untersuchen reelle und komplexe Funktionen in einer Veränderlichen auf

Stetigkeit, Differenzierbarkeit und Integrierbarkeit;

• berechnen Integrale und Ableitungen von reellen und komplexen Funktionen in

einer Veränderlichen.

Kompetenzen:

Nach erfolgreichem Absolvieren des Moduls haben die Studierenden grundlegende

Kompetenzen im Bereich der Analysis erworben. Sie

• formulieren mathematische Sachverhalte aus analytischen Bereichen in

schriftlicher und mündlicher Form korrekt;

• lösen Probleme anhand von Fragestellungen der reellen, eindimensionalen

Analysis;

• analysieren klassische Funktionen und ihre Eigenschaften mit Hilfe von

funktionalem Denken;

• erfassen grundlegende Eigenschaften von Zahlenfolgen und Funktionen;

• sind mit der Entwicklung eines mathematischen Gebietes aus einem

Axiomensystem vertraut.

Arbeitsaufwand:

Präsenzzeit:

84 Stunden

Selbststudium:

186 Stunden


1. Differenzial- und Integralrechnung I

4 SWS

2. Differenzial- und Integralrechnung I - Übung 2 SWS

3. Differenzial- und Integralrechnung I - Praktikum

Das Praktikum ist ein optionales Angebot zum Training des Problemlösens.



B.Mat.0011.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges

Vorstellen von Lösungen in den Übungen

9 C


Grundkenntnisse der Analysis, Verständnis des Grenzwertbegriffs, Beherrschen von

Beweistechniken

Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:



keine keine

Sprache:

Deutsch


Studiendekan/in Mathematik



Dauer:

1 Semester

Wiederholbarkeit:

gemäß Bemerkung


1 - 3


nicht begrenzt

Bemerkungen:

• Dozent/in: Lehrpersonen des Mathematischen Instituts

• Pflichtmodul in den Bachelor-Studiengängen Mathematik und Physik sowie im Zwei-Fächer-

Bachelorstudiengang mit Fach Mathematik

• Im Bachelor-Studiengang Angewandte Informatik kann dieses Modul zusammen mit B.Mat.0012 die

Module B.Mat.0801 und B.Mat.0802 ersetzen.

• Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im

Zwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach

Mathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical

Sciences.

Wiederholungsregelungen

• Nicht bestandene Prüfungen zu diesem Modul können zweimal wiederholt werden.

• Ein vor Beginn der Vorlesungszeit des ersten Fachsemesters, z.B. im Rahmen des mathematischen

Sommerstudiums, absolvierter Prüfungsversuch im Modul B.Mat.0011 „Analysis I“ gilt im Falle des

Nichtbestehens als nicht unternommen (Freiversuch); eine im Freiversuch bestandene Modulprüfung

kann einmal zur Notenverbesserung wiederholt werden; durch die Wiederholung kann keine

Verschlechterung der Note eintreten. Eine Wiederholung von bestandenen Prüfungen zum Zwecke

der Notenverbesserung ist im Übrigen nicht möglich; die Bestimmung des § 16 a Abs. 3 Satz 2 APO

bleibt unberührt.




Modul B.Mat.0012: Analytische Geometrie und Lineare Algebra IEnglish title: Analytic geometry and linear algebra I

9 C6 SWS


Lernziele:

Nach erfolgreichem Absolvieren des Moduls sind die Studierenden mit mathematischem

Grundwissen vertraut. Sie

• definieren Vektorräume und lineare Abbildungen;

• beschreiben lineare Abbildungen durch Matrizen;

• lösen lineare Gleichungssysteme und Eigenwertprobleme und berechnen

Determinanten;

• erkennen Vektorräume mit geometrischer Struktur und ihre strukturerhaltenden

Homomorphismen, insbesondere im Fall euklidischer Vektorräume.

Kompetenzen:


Kompetenzen in den Bereichen der analytischen Geometrie und der linearen Algebra

erworben. Sie

• formulieren mathematische Sachverhalte aus dem Bereich der linearen Algebra in

schriftlicher und mündlicher Form korrekt;

• lösen Probleme anhand von Fragestellungen der linearen Algebra;

• erfassen das Konzept der Linearität bei unterschiedlichen mathematischen

Objekten;

• nutzen lineare Strukturen, insbesondere den Isomorphiebegriff, für die

Formulierung mathematischer Beziehungen;

• erfassen grundlegende strukturelle Eigenschaften linearer und euklidischer

Vektorräume;

• sind mit der Entwicklung eines mathematischen Gebietes aus einem

Axiomensystem vertraut.

Arbeitsaufwand:

Präsenzzeit:

84 Stunden

Selbststudium:

186 Stunden


1. Analytische Geometrie und Lineare Algebra I

4 SWS

2. Analytische Geometrie und Lineare Algebra I - Übung 2 SWS

3. Analytische Geometrie und Lineare Algebra I - Praktikum

Das Praktikum ist ein optionales Angebot zum Training des Problemlösens.





9 C


Grundkenntnisse der linearen Algebra, insbesondere über Lösbarkeit und Lösungen

linearer Gleichungsysteme




keine


keine

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


nicht begrenzt

Bemerkungen:


• Pflichtmodul in den Bachelor-Studiengängen Mathematik und Physik sowie im Zwei-Fächer-

Bachelorstudiengang mit Fach Mathematk

• Im Bachelor-Studiengang Angewandte Informatik kann dieses Modul zusammen mit B.Mat.0011 die

Module B.Mat.0801 und B.Mat.0802 ersetzen.




Sciences.




Modul B.Mat.0720: Mathematische Anwendersysteme (Grundlagen)English title: Mathematical application software

3 C2 SWS


Lernziele:

Nach erfolgreichem Absolvieren des Moduls haben die Studierenden

• die Befähigung zum sicheren Umgang mit mathematischen Anwendersystemen

erworben;

• die Grundprinzipien der Programmierung erfasst;

• Erfahrungen mit elementaren Algorithmen und deren Anwendungen gesammelt.

Kompetenzen:


Kenntnisse über mathematische Anwendersysteme erworben. Sie

• haben die Fähigkeit erworben, Algorithmen in mathematischen

Anwendersystemen umzusetzen;

• sind mit dem Einsatz von mathematischen Anwendersystemen bei Präsentationen

vertraut.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Blockkurs

Inhalte:

Blockkurs bestehend aus Vorlesung, Übungen und Praktikum, z.B. "Einführung in ein

Mathematisches Anwendersystem"

2 SWS





3 C


Grundkenntnisse in einem mathematischen Anwendersystem (z.B. MuPAD, MATLAB

oder Sage)


keine


B.Mat.0011, B.Mat.0012

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


Bachelor: 1 - 6; Master: 1 - 4


nicht begrenzt



Bemerkungen:

Dozent/in: Lehrpersonen des Instituts für Numerische und Angewandte Mathematik




Modul B.Mat.0803: Diskrete MathematikEnglish title: Discrete mathematics

9 C6 SWS


Lernziele:

Nach erfolgreichem Absolvieren des Moduls sind die Studierenden mit grundlegenden

Begriffen und Ergebnissen aus der diskreten Mathematik vertraut. Sie

• kennen einführende Begriffe und Ergebnisse aus den Bereichen Kombinatorik und

elementare Zahlentheorie;

• sind mit den Grundzügen der Graphentheorie vertraut;

• haben algorithmische Methoden an Beispielen erlernt.

Kompetenzen:

Nach erfolgreichem Absolvieren des Moduls besitzen die Studierenden grundlegende

Kompetenzen im Umgang mit diskreter Mathematik. Sie

• wissen Ergebnisse aus Kombinatorik und elementarer Zahlentheorie anzuwenden;

• erkennen Strukturen;

• kennen algorithmische Methoden und wissen diese anzuwenden;

• sind mit den Fragestellungen aus der diskreten Mathematik vertraut.

Arbeitsaufwand:

Präsenzzeit:

84 Stunden

Selbststudium:

186 Stunden


1. Diskrete Mathematik (Vorlesung)

4 SWS

2. Diskrete Mathematik - Übungen (Übung) 2 SWS





9 C


Nachweis über Grundwissen in der Diskreten Mathematik, insbesondere in

algorithmischen Methoden, Graphentheorie, Kombinatorik und elementarer

Zahlentheorie.


keine


keine

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


nicht begrenzt



Bemerkungen:

• Dozent/in: Lehrpersonen des Mathematische Instituts

• Export-Modul für den Bachelor-Studiengang "Angewandte Informatik"




Sciences.




Modul B.Mat.0804: Diskrete StochastikEnglish title: Discrete stochastics

9 C6 SWS


Lernziele:

Nach erfolgreichem Absolvieren des Moduls besitzen die Studierenden die

Grundkenntnisse in informatikbezogener Stochastik und sind mit den Grundbegriffen der

Wahrscheinlichkeitstheorie und Statistik vertraut. Sie

• stellen Daten mittels graphischer Methoden und Kenngrößen dar;

• sind mit Grundbegriffen der Wahrscheinlichkeitstheorie vertraut;

• wissen die wichtigsten Verteilungen und Wahrscheinlichkeitsgesetze anzuwenden;

• verstehen Grundprinzipien von Datenkodierung und Zufallszahlengenerierung;

• gehen sicher mit Markov-Ketten Modellen um;

• kennen verschiedene randomisierte Algorithmen.

Kompetenzen:

Nach erfolgreichem Absolvieren des Moduls sind die Studierende in der Lage

• sicher mit den zentralen Begriffen der Stochastik umzugehen und diese im Kontext

von informatikbezogenen praktischen Beispielen anzuwenden;

• Kenntnisse verschiedener randomisierter Algorithmen, sowie Ansätze zur

Datenkodierung und Zufallszahlengenerierung und deren Eigenschaften

vorzuweisen.

Arbeitsaufwand:

Präsenzzeit:

84 Stunden

Selbststudium:

186 Stunden


1. Diskrete Stochastik (Vorlesung)

4 SWS

2. Diskrete Stochastik - Übung (Übung) 2 SWS





9 C


Nachweis des Grundlagenwissens in der Wahrscheinlichkeitstheorie und Statistik,

Kenntnis praktischer Anwendungsbeispiele in der Informatik sowie Grundkenntnisse in

informatikbezogener Stochastik


keine


B.Mat.0801

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit: Empfohlenes Fachsemester:



zweimalig 1 - 3


nicht begrenzt

Bemerkungen:

• Dozent/in: Lehrpersonen des Instituts für Mathematische Stochastik

• Export-Modul für den Bachelor-Studiengang "Angewandte Informatik"




Sciences.




Modul B.Mat.0811: Mathematische Grundlagen in der BiologieEnglish title: Mathematical foundations of biology

6 C4 SWS


Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, mit

mathematischen Grundbegriffen umzugehen und kennen mathematische Denk- und

Sprechweisen. Sie besitzen ein Formelverständnis sowie Grundkenntnisse über Zahlen,

Abbildungen, Differenzial- und Integralrechnung, Differenzialgleichungen und lineare

Gleichungssysteme.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltung: Mathematik für Studierende der Biologie (Vorlesung) 2 SWS



B.Mat.0811.Ue; Erreichen von mindestens 50 % der Übungspunkte und mindestens

einmaliges Vortragen zu Übungsaufgaben

6 C

Lehrveranstaltung: Mathematik für Studierende der Biologie - Übung (Übung) 2 SWS


Formelverständnis, Grundkenntnisse über Zahlen und Grenzwerte,

Differenzialrechnung, Integralbestimmung, Lösen von Differenzialgleichungen und

linearen Gleichungssystemen


keine


keine

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

dreimalig


1 - 3


nicht begrenzt

Bemerkungen:


• Export-Modul für den Bachelor-Studiengang "Biologie"




Modul B.Mat.0821: Mathematische Grundlagen in den Geowissen-schaftenEnglish title: Mathematical foundations of geosciences

6 C4 SWS


Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, mit

mathematischen Grundbegriffen umzugehen und kennen mathematische Denk- und

Sprechweisen. Sie besitzen ein Formelverständnis sowie Grundkenntnisse über Zahlen,

Abbildungen, Differenzial- und Integralrechnung, Differenzialgleichungen und lineare

Gleichungssysteme.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Mathematik für Studierende der Geowissenschaften (Vorlesung)

2 SWS

2. Mathematik für Studierende der Geowissenschaften - Übung (Übung) 2 SWS



B.Mat.0821.Ue: Erreichen von mindestens 50% der Übungspunkte und mindestens

einmaliges Vortragen zu Übungsaufgaben

6 C


Formelverständnis, Grundkenntnisse über Zahlen und Grenzwerte,

Differenzialrechnung, Integralbestimmung, Lösen von Differenzialgleichungen und

linearen Gleichungssystemen


keine


keine

Sprache:

Deutsch





Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


nicht begrenzt

Bemerkungen:


• Export-Modul für den Bachelor-Studiengang Geowissenschaften




Modul B.Mat.0921: Einführung in TeX/LaTeX und praktische Anwen-dungenEnglish title: Introduction to TeX/LaTeX with applications



Lernziele:

Nach erfolgreichem Absolvieren des Moduls sind die Studierenden mit dem Einsatz von

TeX oder LaTeX zur Erstellung von wissenschaftlichen Texten und Vorträgen vertraut.

Sie

• sind vertraut mit ordentlicher Dokumentengliederung;

• erstellen Literaturangaben und Querverweise;

• erzeugen mathematische Formeln;

• erzeugen Grafiken und binden sie ein.

Kompetenzen:

Nach erfolgreichem Absolvieren des Moduls sind die Studierenden in der Lage,

• einfache Dokumente mit LaTeX zu erstellen;

• ansprechende Vortragsfolien mit LaTeX zu erzeugen.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Blockkurs

Inhalte:

Einwöchige Blockveranstaltung mit Praktikum

Prüfung: Hausarbeit (max. 10 Seiten), unbenotet


Engagierte Teilnahme an der Veranstaltung


Erstellung eines wissenschaftlichen Portfolios mit TeX/LaTeX und der Folien für eine

Präsentation mit Beamer-TeX.

3 C


Sicherer Umgang mit den grundlegenden Funktionen von LaTeX und Bearmer-TeX


keine


Grundkenntnisse im Umgang mit einem Computer.

Sprache:

Deutsch, Englisch


Studiengangsbeauftragte/r


jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


Bachelor: 1 - 6; Master: 1 - 4; Promotion: 1 - 6


nicht begrenzt



Bemerkungen:

Dozent/in: Lehrpersonen des Mathematischen Instituts


Modul M.Inf.1211 - Version 2


Modul M.Inf.1211: Probabilistische Datenmodelle und ihre Anwen-dungenEnglish title: Probabilistic Data Models and Applications

6 C4 SWS


In dem Modul erwerben Studierende spezialisierte Kenntnisse zu Auswahl, Entwurf und

Anwendungen von Modellen, für die die (parametrisierte) Zufälligkeit der Daten eine

wesentliche Komponente der Modellierung ist.

Überblick über die Modulinhalte:

Zu verarbeitende Daten in verschiedensten Anwendungsbreichen (z. B. Bioinformatik)

unterliegen meist statistischen Gesetzmäßigkeiten. Das Modul ist fokussiert auf

Methoden zur Erkennung und algorithmischen Ausnutzung solcher typischen Muster

durch geeignete probabilistische Modellierung der Daten und auf die Schätzung der

Modellparameter.

z. B. Vorlesung Algorithmisches Lernen, Vorlesung Datenkompression und

Informationstheorie, Probabilistische Datenmodelle in der Angewandten Informatik.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltung: Vorlesungen, Übungen und Seminare zu den vorgenannten

Themen

Prüfung: Klausur (60 Min.) oder mündliche Prüfung (ca. 20 Min.)


Nachweis über den Erwerb spezialisierter Kenntnisse und Fähigkeiten zu

probabilistischen Datenmodellen, der Komplexität ihrer algorithmischen Unterstützung

und ggf. ihrer Anwendung in einer der Angewandten Informatiken oder einem

Anwendungsbereich.

6 C


keine


keine

Sprache:

Deutsch, Englisch


Prof. Dr. Stephan Waack

(Prof. Dr. Carsten Damm)


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



30




Modul M.Inf.1351: Arbeitsmethoden in der GesundheitsforschungEnglish title: Work Methods in Health Research

5 C3 SWS


Die Studierenden kennen Methoden, Aufbau und Ziele kollaborativer, IT-unterstützter

Arbeitsorganisationen und verstehen ihre Bedeutung im globalen Forschungs- und

Gesundheitsmarkt. Sie kennen die Methoden zur Bearbeitung wissenschaftlicher

Projekte und können deren Ergebnisse präsentieren.

Arbeitsaufwand:

Präsenzzeit:

42 Stunden

Selbststudium:

108 Stunden

Lehrveranstaltung: Mögliche Lehrformen: Vorlesung, Übung, Seminar,

Blockseminar

Inhalte:

Werden ständig den aktuellen Entwicklungen dieses dynamischen Gebietes angepasst.

Beispiele: Grundlagen und Arbeitsmethoden in Forschung und Projektarbeit.

Kollaborative Arbeitsmethoden in der Forschung: Vorlesung und Seminar

Prüfung: Hausarbeit (max. 20 Seiten) und Vortrag (ca. 20 Minuten)


regelmäßige Teilnahme bei Blockseminaren und bei Seminaren


Die Studierenden können die Bedeutung kollaborativer, IT-unterstützter

Arbeitsorganisationen im globalen Forschungs- und Gesundheitsmarkt, sowie deren

Methoden und Aufbau beschreiben. Sie können wissenschaftlicher Projekte bearbeiten

und deren Ergebnisse präsentieren.

5 C


keine


keine

Sprache:

Deutsch, Englisch




unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1


25




Modul M.Inf.1501: Data Mining in der BioinformatikEnglish title: Data Mining in Bioinformatics

6 C4 SWS


Die Studierenden lernen Methoden zur Analyse mehrdimensionaler Daten, die eine

entscheidende Rolle bei der Erforschung biologischer Systeme spielen. Ziel ist das

Verständnis der besonderen Eigenschaften von hochdimensionalen Räumen und der

statistischen Methoden mit denen Strukturen in komplexen Daten explizit gemacht

werden können. Kriterien für die Auswahl und Anwendbarkeit verschiedener Verfahren

sollen theoretisch und praktisch nachvollzogen werden.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Data Mining in der Bioinformatik (Vorlesung)

2 SWS

2. Rechnerübung zu Data Mining in der Bioinformatik (Blockveranstaltung) 2 SWS



Die Studierenden sollen nach Abschluss des Moduls in der Lage sein, Methoden zur

Analyse von komplexen Daten selbständig zu verstehen und anzuwenden, sowie die

Grenzen der Anwendbarkeit kritisch zu beurteilen.


keine


Algorithmen der Bioinformatik, Maschinelles Lernen

in der Bioinformatik

Sprache:

Deutsch, Englisch


Dr. Peter Meinicke


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



15




Modul M.Inf.1504: Algorithmen der Bioinformatik IIEnglish title: Algorithms in Bioinformatics II

6 C4 SWS


Die Studierenden erlernen Algorithmen zur Clusteranalyse und zur Analyse von RNA-

Strukturen, Genvorhersage bei Eukaryoten, Mustererkennung auf Sequenzen und

fortgeschrittene Methoden des Sequenzalignments.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltung: Algorithmen der Bioinformatik II (Vorlesung, Übung) 4 SWS



Die Studierenden sollen nach Absolvierung des Moduls befähigt sein, bekannte

Verfahren aus der Informatik für bioinformatische Fragestellungen anzuwenden und die

Grenzen der Anwendbarkeit kritisch zu beurteilen.


keine


Grundlegende Kenntnisse aus den Bereichen

Algorithmen der Bioinformatik, Maschinelles Lernen

in der Bioinformatik und Molekularbiologie

Sprache:

Deutsch, Englisch


Prof. Dr. Burkhard Morgenstern


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



15




Modul M.Inf.1802: Praktikum XMLEnglish title: Practical Course on XML

6 C4 SWS


Die Studierenden verfügen über vertiefte Kenntnisse und Erfahrungen in Sprachen

aus dem Bereich XML. Sie wissen, welche Sprachen und Werkzeuge ggf. bei

Problemstellungen anwendbar sind und können Projekte in diesem Bereich umsetzen.

Sie sind mit der Grundidee der W3C-Standards vertraut und können sich selber

benötigte Informationen im Web zusammensuchen.

Vermittlung von praktischen Fähigkeiten aus dem Bereich XML, XPath, XQuery, XSLT

und weiteren Sprachen aus dem XML-Bereich

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltung: Praktikum XML (Praktikum)

Prüfung: Praktische Prüfung (ca. 4 Übungs- und Programmieraufgaben) und

mündliche Prüfung (ca. 20 Min.)


Vertiefte Kenntnisse und Erfahrungen in Sprachen aus dem Bereich XML. Kenntnisse

darüber, welche Sprachen und Werkzeuge ggf. bei Problemstellungen anwendbar

sind; Fähigkeit zum Umsetzen von Projekten in diesem Bereich; Kenntnisse des W3C-

Standards; Fähigkeit zum Nachvollziehen wissenschaftlicher Fragestellungen und

Vorgehensweisen.

6 C


keine


keine

Sprache:

Deutsch, Englisch


Prof. Dr. Wolfgang May


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



50


Module M.Inf.1804 - Version 2


Module M.Inf.1804: Practical Course in Software Quality Assurance

6 C4 WLH


The students

• learn to become acquainted with up-to-date methods and software tools for

software quality assurance

• learn to select methods and tools for given practical problems in software quality

assurance

• learn to apply methods and tools for given practical problems in software quality

assurance

• learn to assess methods and tools for given practical problems in software quality

assurance by performing experiments

Workload:

Attendance time:

56 h

Self-study time:

124 h

Course: Practical Course on Software Evolution: Origin Analysis (Internship)

Contents:

Changes in the usage requirements and the technological landscape, among others,

drive a continuous necessity for changes in software systems in order to sustain their

existence and operability in changing environments. Origin analysis aims to determine

the location of points of interest through time. For example, origin analysis aids on

the one hand projecting the location of past changes into the current state of the code

base, and on the other hand determining previous locations and origins of detected

issues. In this course, we will build and extend an existing infrastructure for performing

origin analysis and use it to perform studies on large software systems, such as Google

Chrome, Mozilla Firefox, Amarok, and others.

4 WLH

Examination: Practical exercises in small groups (approx. 4-6 exercises) and oral

examinations for the exercises (approx. 15 minutes each), not graded


Attendance in 90% of the classes


The students shall show that

• they are able to become acquainted with with up-to-date methods and software

tools for software quality assurance

• they are able to select methods and tools for given practical problems in software

quality assurance

• they are able to to apply methods and tools for given practical problems in software

quality assurance

• they are able to to assess methods and tools for given practical problems in

software quality assurance by performing experiments

6 C


none


Foundations of software engineering.

Language:

English


Prof. Dr. Jens Grabowski


Module M.Inf.1804 - Version 2

Course frequency:

unregelmäßig

Duration:

1 semester[s]


twice



12


Module M.MED.0001 - Version 3


Module M.MED.0001: Linear Models and their mathematical Founda-tions

9 C6 WLH


Contents

Tests for multiple samples, multivariate normal distribution,

distribution of quadratic forms,

linear regression models, ANOVA models, ordinary and generalized least squares

estimators, formulation of hypotheses, F-test, confidence intervals for model parameters,

singular models, factorial designs, asymptotic methods

The students learn to

- master the fundamental methods for data analysis in case of multiple samples,

- conduct an analysis of variance using statistical software,

- interpret the results.

Workload:

Attendance time:

84 h

Self-study time:

186 h

Courses:

1. Lineare Modelle (Lecture)

4 WLH

2. Lineare Modelle (Exercise) 2 WLH

Examination: Written examination (90 minutes) or oral examination (approx. 20

minutes)


Achievement of at least 50% of the exercise points


In the examination, the students show that for the given problem they can formulate an

adequate linear model, estimate its parameters and test hypotheses using a statistical

software package. Moreover, they can interpret the results and critically assess them.

The examination consists (to the same extent) of both the Lectures and Exercises.

9 C


none


Mathematische Grundlagen der angewandten

Statistik

Language:

English


Prof. Dr. Tim Friede

Course frequency:

once a year

Duration:

1 semester[s]


twice


1


30

Additional notes and regulations:

The actual examination type will be published at the beginning of the semester.


Modul M.MED.0002 - Version 2


Modul M.MED.0002: Longitudinale DatenEnglish title: Longitudinal Data

6 C4 SWS


Inhalt:

Cross-sektionale vs. longitudinale Daten, Verfahren für verbundene Beobachtungen,

Vereinfachung durch AUC-Analysen oder Endpoint-Analyse; Zerlegung in within-

und between-Gruppen Varianz. Analyse als ANOVA oder MANOVA Modell; Linear

Mixed Models in der Analyse longitudinaler Daten. Repeated und Random Effekte,

Spezifikation der „Zeitreihenstruktur“ der Kovarianzmatrix,

Anwendung von generalisierten linearen Modellen mit vermischten Effekten für

kontinuierliche, ordinale und dichotome Zielgrößen,

GEE in der Analyse longitudinaler Daten. Erweiterung der linearen, vermischten Modelle

durch Spline- oder Smooth-Funktionen, Multilevel Modelle; Handhabung fehlender

Werte und drop-outs, multiple source data und Power

Qualifikationsziele:

Die Studierenden

• erlernen grundlegende Methoden der Analyse longitudinaler Daten.

• erlangen Erfahrung in der praktischen Anwendung weit verbreiteter Verfahren in

der Analyse longitudinaler Daten.

• erlernen die praktische Durchführung der Analyse longitudinaler Daten mit Hilfe

statistischer Software-Pakete.

• sammeln Erfahrung in der Interpretation der Ergebnisse der Analyse longitudinaler

Daten

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Longitudinale Daten (Vorlesung)

2 SWS

2. Longitudinale Daten (Übung) 2 SWS



Die Studierenden weisen in der Modulprüfung nach, dass sie in der Lage sind,

grundlegende Berechnungen der Analyse longitudinaler Daten durchzuführen. Darüber

hinaus können sie zu einem gegebenen Problem ein geeignetes statistisches Verfahren

auswählen und anwenden, in statistischer Software umsetzen, sowie die erhaltenen

Ergebnisse interpretieren und kritisch hinterfragen. Die Klausurinhalte stammen zu

gleichen Teilen aus Vorlesung und Übung.

6 C


keine


keine

Sprache:

Deutsch


Prof. Dr. Heike Bickeböller




jährlich

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


2 - 3


nicht begrenzt




Module M.MED.0003: Event data analysis

6 C4 WLH


Inhalt:

Kaplan-Meier estimator of survival functions, confidence intervals for Kaplan-Meier

curves, hypothesis tests comparing survival curves, Cox proportional hazards model,

parametric alternatives to the Cox proportional hazards model, counting processes,

diagnostic methods for proportional hazards, frailty models, multivariate survival models,

models for recurrent events


The students

• learn about the foundations and general principles of event data analysis

• get familiar with standard and more advanced methods for event data analysis

• learn how to implement these methods in statistical software using appropriate

numerical procedures.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Ereigniszeitanalyse (Lecture)

2 WLH

2. Ereigniszeitanalyse (Exercise) 2 WLH


minutes)




The students demonstrate their general understanding of statistical models and data

analysis techniques for event data analysis. For a given problem they can critically

assess the advantages and disadvantages of various models. Furthermore, they can fit

an appropriate model using statistical software and interpret the results correctly for a

given problem. The exam covers contents of both the lecture and the exercise class.

6 C


keine


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


2 - 3


not limited




Module M.MED.0004: Clinical Trials

6 C4 WLH


Inhalt:

Classification of clinical trials by purpose and development phase, clinical study

protocol, randomization, treatment blinding, international guidelines on design, conduct

and analysis of clinical trials, ethical issues in clinical trials, crossover trials, sample

size calculation, internal pilot study design, group-sequential and adaptive designs,

systematic reviews and meta-analyses of randomized controlled clinical trials.


The students

• learn about the foundations and general principles of design, conduct and analysis

of clinical trials

• get familiar with software to design clinical trials

• learn how to carry out a meta-analysis using appropriate software.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Clinical Trials (Lecture)

2 WLH

2. Clinical Trials (Exercise) 2 WLH


minutes)



6 C


The students demonstrate their understanding of design, conduct and analysis of

clinical trials. For a given problem they can critically assess the advantages and

disadvantages of various study designs. They can plan a study using appropriate

software. Furthermore, they can carry out a meta-analysis of randomized controlled

trials, assess it for biases and heterogeneity, and interpret the results. The exam covers

contents of both the lecture and the exercise class.


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


1 - 3


not limited




Modul M.MED.0005: Statistische Methoden der BioinformatikEnglish title: Statistical Methods in Bioinformatics

6 C4 SWS


Inhalt:

Diverse types of genomics data from modern biotechnology (e.g. Next-Generation

Sequencing, Microarray). Methods for the statistical analysis and integration of high-

dimensional genomics data. Functional annotation of genomes and statistical analysis

of gene sets. Statistical Methods to work with biological networks. Clustering and

Classification analysis and applications in personalized medicine.


The students

• learn about methods from high-throughput biotechnology and the types of data

produced

• get familiar with standard and more advanced methods for statistical analysis of

high-dimensional data

• learn about methods for integration and functional interpretation of large genomics

data sets

• learn how to apply these methods in the statistical computing environment R

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Statistische Methoden der Bioinformatik (Vorlesung)

2 SWS

2. Neue Methoden der statistischen Bioinformatik

(Literaturseminar)

2 SWS

Prüfung: Referat (ca. 40 Minuten) 6 C


The students demonstrate their general understanding of statistical bioinformatics and

ability to acquire knowledge of novel bioinformatics applications from primary literature.

Papers will be assigned at the beginning of the course, and the students understanding

of the paper as well as the background bioinformatics knowledge from the lectures will

be challenged in the discussions in the seminar.


keine


keine

Sprache:

Englisch


Prof. Dr. Tim Beißbarth


jährlich

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3




12




Module M.MED.0006: Genetic Epidemiology

6 C4 WLH


Studies in molecular / genetic epidemiology are investigating possible genetic

components that are contributing to a disease or, more general, to a phenotype. The

studies include population studies and family studies.

The difference with classical epidemiology is mainly given by the incorporation of

correlations of the genetic structures and of family members or close populations and

by the highdimensionality oft many studies. The course will discuss the most important

study types and statistical and epidemiological methods. The lecture will also give

necessary introductions to genetics as well as epidemiology.

The students learn about

• the description of genetically co-determined phenotypes for diseases in

populations and families

• the discovery of risk faktors that are on one hand associated with the phenotype in

the population or on the other hand provoke familial aggregations

• the modelling of the role of genetic risk faktors for diseases on the population and

family level

• the prediction or risk calculation based on populations or families.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Genetische Epidemiologie (Lecture)

2 WLH

2. Genetische Epidemiologie (Exercise) 2 WLH

Examination: 1. Oral presentation (approx. 30 min) with written synopsis (max. 10

pages) 2. Oral examination (approx. 20 min)


regular attandance of quiz sections (80%). At least 50% of the points of the homework

(written excercises).


examination, first part: In the oral presentation as well as the corresponding written

synopsis students demonstrate that they can apply their knowledge and unterstanding in

the context of scientific publications by deomonstrating an understanding of study goals,

recruitment, study design, materials, methods and results. For all these aspects an

understanding needs to be demonstrated in presentation and synopsis why investigators

took certain choices and why certain aspects are good or bad. In particular it is also

expected that basic principles of the methods will be presented, even if they are not

directly covered in lectures, but are extensions of the covered material.

examination, 2nd part: The students demonstrate their general

understanding of genetic and statistical models

and designs. They know and understandabout the advantages and disadvantages of the

different research questions and designs. They know the general properties of the

statistical approaches and can critically assess the appropriateness for specific

6 C



problems and apply them. The exam covers the contents of both lecture and quiz

section.


The students demonstrate their general understanding of genetic and statistical models

and designs. They know about the advantages and disadvantages of the different

research questions and designs. They know the general properties of the statistical

approaches and can critically assess the appropriateness for specific problems and

apply them. The exam covers contents of both the lecture and the exercise class.


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


1 - 3


not limited




Modul M.MED.0008: Grundlagen der Anwendung auf die BereicheLebenswissenschaften/Medizin/VersorgungsforschungEnglish title: Basics of application to life sciences/medicine

3 C2 SWS


• Grundlagen der Terminologie der Medizin/Lebenswissenschaften, speziell

Klinische Medizin, Versorgungsforschung, Public Health und Epidemiologie

• Grundzüge des Gesundheitssystems

• Krankheit und Gesundheit aus interdisziplinärer Sicht

• Designs für Studien aus klinischer Medizin und Epidemiologie,

Versorgungsforschung und Public Health

• Grundzüge der Theorie diagnostischer Tests, der medizinischen Therapie und

Versorgungsorganisation im Hinblick auf die Operationalisierung in Studiendesigns

und statistischen Verfahren.

• Messung von Outcomes (klinische und Surrogat-Outcomes, Lebensqualität,

Funktion, psychometrische Daten)

• Datenquellen in den Lebenswissenschaften, speziell Versorgungsforschung und

Public Health.

Die Studierenden erlernen

• grundlegende Begriffe und Konzepte der Medizin/Lebenswissenschaften, speziell

Klinische Medizin, Versorgungsforschung, Public Health und Epidemiologie

• Datenquellen, Studiendesigns, Operationalisierung

• Recherchen zu medizinischen Themen, Interpretation von Ergebnissen,

Anwendung statistischer Begriffe und Verfahren auf Fragen der Medizin/

Lebenswissenschaften, speziell Versorgungsforschung.

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Grundlagen der Anwendung auf die Bereiche

Lebenswissenschaften/Medizin/Versorgungsforschung (Seminar)

2 SWS

Prüfung: Präsentation (ca. 15 Min.) mit schriftlicher Ausarbeitung (max. 5 Seiten)


Die Studierenden weisen durch ihre Mitarbeit im Seminar und durch die

(PPT-)Präsentation eines Referats (incl. schriftl. Zusammenfassung / Handout

auf max. Seiten normaler Schriftgröße) nach, dass sie zu einem gegebenem

Problem oder Anwendungsbeispiel der Medizin/Lebenswissenschaften, speziell

Versorgungsforschung und Public Health eine Recherche durchführen, die

Ergebnisse – unter besonderer Beachtung der statistischen Operationalisierungen –-

zusammenfassen und interpretieren sowie kritisch diskutieren können. Darüber hinaus

verfügen sie über Grundkenntnisse der Terminologie und Anwendungsbeispiele der

Lebenswissenschaften/Medizin, speziell Versorgungsforschung und Public Health. Sie

sind vertraut mit Studiendesigns und spezifischen Forschungsproblemen in diesem

Gebiet.

3 C


keine


keine



Sprache:

Deutsch


Prof. Dr. med. Eva Hummers-Pradier


jährlich

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1


16




Modul M.MED.0010: Mathematische Grundlagen der AngewandtenStatistikEnglish title: Mathematical Foundations of Applied Statistics

6 C4 SWS


Die Studierenden

• gewinnen grundlegende mathematische Fähigkeiten, die für das Verständnis

statistischer Verfahren notwendig sind.

• erlernen die praktische Anwendung der mathematischen Grundlagen zur

Bearbeitung statistischer Problemstellungen.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden

Lehrveranstaltung: Blockkurs Mathematische Grundlagen der Angewandten

Statistik

Inhalte:

Integration und Differentiation, Matrizenrechnung (elementare Operationen, Rang,

Inverse, Determinante, Spur, Eigenwerte und –vektoren, quadratische Formen,

Differentiation von Matrixfunktionen), Wahrscheinlichkeitsrechnung (elementare

Wahrscheinlichkeitsrechung, univariate Verteilungen und ihre Eigenschaften,

Zufallsvektoren und ihre Eigenschaften, bedingte Verteilungen, multivariate

Normalverteilung)

14-tägiger Blockkurs



Die Studierenden demonstrieren, dass sie in der Lage sind, die wesentlichen

mathematischen Werkzeuge der angewandten Statistik zur Lösung mathematische

Probleme einzusetzen. Sie kennen die zur Lösung solcher Probleme zur Verfügung

stehenden Ansätze und können jeweils ein passendes Verfahren aussuchen.

6 C


keine


keine

Sprache:

Deutsch



Prof. Dr. Tim Friede, Prof. Dr. Thomas Kneib


jährlich

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1


Module M.MM.001 - Version 4


Module M.MM.001: Epidemiology

4 C3 WLH


After a successful completion of the course the student

• knows the intersection between “Host“, “Environment” and “Agent“, the

epidemiological triangle of the susceptibility to affection,

• can compute epidemiological key figures (frequency measures: e.g. prevalence,

incidence, incidence rate; standardized mortality rate; risk measures: e.g. relative

and attributable risk, number needed to treat ),

• knows the requirements of international standards for epidemiological investigation

(„Good Epidemiological Practice“),

• knows the significance of accuracy, reliability and validity in the measurement of

exposures,

• knows important elements for the evaluation of validity and causality of an

association (e.g. bias, confounder, Bradford-Hill-Criteria) and can implement them,

• knows a simple model of the spread of infectious diseases and understands the

term “herd immunity”.

Workload:

Attendance time:

42 h

Self-study time:

78 h

Courses:

1. Epidemologie (Lecture)

2 WLH

2. Epidemologie (Seminar) 1 WLH

Examination: Written examination (60 minutes)


Presentation

4 C


Knowledge about the intersection between “Host“, “Environment” and “Agent“.

Prevalence, incidence, incidence rate; standardized mortality rate; risk measures: e.g.

relative and attributable risk, number needed to treat. „Good Epidemiological Practice“.

Factors affecting accuracy, reliability and validity in the measurement of exposures.

Validity and causality of an association. Spread of infectious diseases.


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice



20


Modul M.MZS.11 - Version 3


Modul M.MZS.11: Konzeption und Planung quantitativer empirischerForschungsprojekteEnglish title: Designing Empirical Research

6 C3 SWS


Die Studierenden erwerben vertiefte Kenntnisse über Wissenschaftstheorie,

Forschungslogik und Forschungsethik. Sie sind in der Lage, eine inhaltlche

Fragestellung in ein adäquates Forschungsdesign zu transformieren und können einen

Forschungsantrag zur Einwerbung von Drittmitteln erstelle.

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Empirische Sozialforschung: Quantitative methodologische Grundlagen und

Forschungsstrategien (Seminar)

1 SWS

2. Von der Forschungsfrage zum Forschungsplan (Seminar) 2 SWS

Prüfung: Hausarbeit (max. 20 Seiten) 6 C


Die Studierenden können eine inhaltliche Fragestellung in ein adäquates

Forschungsdesign transformieren und einen Forschungsantrag nach DFG-Richtlinien

zur Einwerbung von Drittmitteln erstellen.


Nachgewiesene Grundkenntnisse im Bereich

Methoden quantitaver Sozialforschung (B.MZS.03);

M.MZS.11 darf nicht belegt werden, wenn M.MZS.1

bereits erfolgreich absolviert wurde.


Grundkenntnisse der Forschungslogik quantitativer

Sozialforschung

Sprache:

Deutsch


Prof. Dr. Steffen-Matthias Kühnel



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



25




Modul M.MZS.12: Datenerhebung in der quantitativen Sozialfor-schungEnglish title: Methods of Data Collection in Quantitative Social Research

6 C3 SWS


Die Studierenden:

1. erwerben vertiefte Kenntnisse zu standardisierten Erhebungsmethoden,

2. können auf Basis der theoretischen und methodischen Kenntnisse Entscheidungen

zu Anlage und Durchführung standardisierter Erhebungen fällen und

3. können ein erstelltes Untersuchungskonzept in ein spezifisches Erhebungsdesign

überführen sowie

4. Maßnahmen und Strategien entwickeln, um die getroffenen Entscheidungen unter

Feldbedingungen qualitätsorientiert umzusetzen.

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Probleme und Methoden der Datenerhebung (Seminar)

1 SWS

2. Praktische Umsetzung einer Fragestellung durch Anwendung eines

Erhebungsverfahrens (Seminar)

2 SWS

Prüfung: Hausarbeit (max. 15 Seiten)


Gruppenvortrag mit anschließender Diskussion (ca. 20 Minuten)

6 C


In dem Gruppenvortrag weisen die Studierenden nach, dass sie in der Lage sind, eine

eigene Fragestellung mittels eines adäquaten Erhebungsverfahrens umzusetzen,

verantwortlich eine an wissenschaftlichen Standards orientierte Datenerhebung zu

organisieren und die gewonnenen Erkenntnisse aus methodischer Sicht kritisch zu

reflektieren und zu diskutieren. In der individuellen Hausarbeit zeigen die Studierenden

dann, dass sie in der Lage sind die diskutierten Ergebnisse aufzubereiten und

wissenschaftlich adäquat zu verschriftlichen.


nachgewiesene Grundkenntnisse im Bereich

Methoden quantitativer Sozialforschung (B.MZS.3)


Grundkenntnisse der Forschungslogik quantitativer

Sozialforschung

Sprache:

Deutsch


Prof. Dr. Steffen-Matthias Kühnel



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



30

Bemerkungen:



Mögliche Inhalte in den Lehrveranstaltungen sind z.B.: Befragung, Inhaltsanalyse, Beobachtung,

Experimente/Feldexperimente, Pretestmethoden.


Modul M.Pol.200 - Version 2


Modul M.Pol.200: Vertiefung Politische Theorie und InternationaleBeziehungenEnglish title: Advanced Political Theory and International Relations

12 C4 SWS


Studierende

• haben ihre Grundkenntnisse in den Teilgebieten Politische Theorie und

Internationale Beziehungen gefestigt;

• haben ihre Kenntnis spezifischer Theorien, Ansätze und empirischer Ergebnisse

vertieft, die in den Schwerpunkten als Grundkenntnisse vorausgesetzt werden;

• können all dies in direkter Auseinandersetzung mit Schlüsselwerken und

Primärtexten reflektieren;

• haben argumentatives und handwerkliches Niveau gefestigt und erworben, das in

den Schwerpunkten vorausgesetzt wird;

• können den jeweils in Göttingen vertretenen spezifischen Zugang zum Teilgebiet

diskutieren.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

304 Stunden


1. Politische Theorie (Seminar)

2 SWS

2. Internationale Beziehungen (Seminar) 2 SWS



Kenntnis und kritische Reflexion spezifischer Theorien, Ansätze und empirischer

Ergebnisse in den Teilgebieten Politische Theorie und Internationale Beziehungen


keine


Grundkenntnisse in den entsprechenden

Teilgebieten

Sprache:

Deutsch


Prof. Dr. Anja Jetschke

Prof. Dr. Walter Reese-Schäfer



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 2


30

Bemerkungen:

Die aktive Teilnahme an den Lehrveranstaltungen wird dringend empfohlen. Hierzu ist auch Die

gemeinsame Erklärung von Lehrenden und Lernenden zur Bedeutung der aktiven und regelmäßigen

Teilnahme für dialogorientierte Lernformen zu beachten.




Modul M.Pol.300: Vertiefung Vergleichende Politikwissenschaft undPolitisches System der BRDEnglish title: Advanced Comparative Politics and German Politics

12 C4 SWS


Studierende

• haben ihre Grundkenntnisse in den Teilgebieten Vergleichende Politikwissenschaft

und Politisches System der Bundesrepublik Deutschland gefestigt;

• haben ihre Kenntnis spezifischer Theorien, Ansätze und empirischer Ergebnisse

vertieft, die in den Schwerpunkten als Grundkenntnisse vorausgesetzt werden;

• können all dies in direkter Auseinandersetzung mit Schlüsselwerken und

Primärtexten reflektieren;

• haben ein argumentatives und handwerkliches Niveau gefestigt oder erworben,

das in Schwerpunkten vorausgesetzt wird;

• können den jeweils in göttingen vertretenen spezifischen Zugang zum Teilgebiet

diskutieren.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

304 Stunden


1. Vergleichende Politikwissenschaft und Politische Ökonomie (Seminar)

2 SWS

2. Politisches System der BRD (Seminar) 2 SWS



Kenntnis und kritische Reflexion spezifischer Theorien, Ansätze und empirischer

Ergebnisse in den Teilgebieten vergleichende Politikwissenschaft und Politisches

System der Bundesrepublik Deutschland


keine


Grundkenntnisse in den entsprechenden

Teilgebieten

Sprache:

Deutsch


Prof. Dr. Andreas Busch

Prof. Dr. Christoph Hönnige



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 2


30

Bemerkungen:



Die aktive Teilnahme an den Lehrveranstaltungen wird dringend empfohlen. Hierzu ist auch Die

gemeinsame Erklärung von Lehrenden und Lernenden zur Bedeutung der aktiven und regelmäßigen

Teilnahme für dialogorientierte Lernformen zu beachten.


Module M.SIA.E19 - Version 5


Universität Kassel/Witzenhausen

Module M.SIA.E19: Market integration and price transmission I

6 C4 WLH


Students gain insight into the functioning of the price mechanisms on agricultural

markets and into the determinants of market integration. They learn to apply

econometric analysis methods to the study of horizontal and vertical price transmission

processes (time series methods, cointegration, including non-linear cointegration and

non-linear error correction models).

Workload:

Attendance time:

56 h

Self-study time:

124 h

Course: Market integration and price transmission I (Lecture)

Contents:

Theory and empirical analysis of agricultural market integration

4 WLH



Students are able to explain the economic theory of price transmission and market

integration (e.g. how can we explain the prevalence of asymmetric price transmission

on agricultural markets), and are able to apply the most important methods of empirical

price transmission analysis (in particular the econometric estimation of error correction

models).

6 C


none


Basic knowledge of econometrics

Language:

English


Prof. Dr. Stephan von Cramon-Taubadel

Course frequency:

each summer semester; Göttingen

Duration:

1 semester[s]


twice



30


Literature:

A list of seminar papers (Garnder, Ravallion, Goodwin, Fackler, Barrett) will be circulated to students,

together with a list of recent applications.


Modul M.Soz.100 - Version 1


Modul M.Soz.100: Makrosoziologische TheorienEnglish title: Macrosociological Theories

6 C3 SWS


Das Modul zielt auf den Erwerb vertiefter Kenntnisse in den Debatten der modernen

soziologischen Theorie.

Im Vordergrund stehen dabei – entsprechend der international vergleichenden

Ausrichtung des Instituts für Soziologie – Gesellschaftstheorien und Theorien

des sozialen Wandels (Historische Soziologie, Institutionalismus, Theorien der

Globalisierung, Weltgesellschaftstheorie), deren methodologische Grundlagen, sowie

deren Bezug zu mikro-soziologischen Theorien.

Die Studierenden

• erwerben in der Vorlesung fundiertes Wissen zu zentralen Theorien

• bearbeiten und analysieren im zugehörigen Seminar einschlägige Texte

und können auf dieser Grundlage die empirischen Bezüge der aus der

Vorlesung bekannten Theorien exemplarisch und im Hinblick auf die

Forschungsschwerpunkte des Instituts erörtern und selbsständig darstellen

• können die Stärken und Schwächen einer Theorie abschätzen und die

Anwendbarkeit einzelner Theorien auf spezifische Forschungsfragen beurteilen

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden

Lehrveranstaltung: Vorlesung "Makrosoziologische Theorien" (Vorlesung) 1 SWS



In der Klausur weisen die Studierenden nach, dass sie zentrale Gesellschaftstheorien

und Theorien sozialen Wandels, ihre methodologischen Grundlagen und ihre Bedeutung

für soziale Phänomene kennen und dass sie in der Lage sind, theorievergleichend zu

argumentieren.

3 C

Lehrveranstaltung: Seminar "Makrosoziologischen Theorien - Vertiefung"

(Seminar)

2 SWS

Prüfung: Portfolio (max. 20 Seiten)


Die Studierenden kennen zentrale Studien der soziologischen Theorie und haben einen

Überblick über die Vielfalt der Themen und Methoden. Sie können allgemeine Probleme

der Theoriebildung diskutieren.

Die Studierenden können Stärken und Schwächen der im Seminar behandelten Studien

analysieren und wissen um die Implikationen soziologischer Theorien für die empirische

Forschung. Die Studierenden sind in der Lage Theorien auf konkrete Forschungsfragen

anzuwenden.

3 C


keine


keine



Sprache:

Deutsch


Prof. Dr. Matthias Koenig


jedes Wintersemester; Seminar jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



25




Modul M.Soz.200: Methoden des VergleichsEnglish title: Methods of Comparative Research

6 C3 SWS


Im Zentrum des Moduls stehen zentrale Studien der (historisch-)komparativen

Soziologie.Anhand einschlägiger Texte aus den Forschungsfeldern des Instituts für

Soziologie werden ferner allgemeine Probleme komparativer Forschung diskutiert -

wie etwa diejenigen der kausalen Zurechnung, der Temporalität sozialer Prozesse, der

kleinen Fallzahlen etc.

Die begleitende Übung ist als Methodendiskussion konzipiert: In ihr werden die

methodischen Stärken und Schwächen der im Lektürekurs behandelten Studien

analysiert.

Die Studierenden

• erwerben einen Überblick über die Vielfalt der Themen und Methoden, welche die

aktuelle Soziologie charakterisieren

• können die Möglichkeiten und Grenzen komparativer Forschung beurteilen

• können eine eigene kleine Forschungsfrage mit einem komparativen Design

entwickeln

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Methoden des Vergleichs (Seminar)

2 SWS

2. Lektürekurs zu den Methoden des Vergleichs (Übung) 1 SWS

Prüfung: Mehrere Essays im Umfang von insgesamt max. 20 Seiten 6 C


Überblick über die Vielfalt der Themen und Methoden der aktuellen Soziologie;

allgemeine Probleme komparativer Forschung (z.B. kausale Zurechnung, Temporalität

sozialer Prozesse, kleine Fallzahlen etc.); Wissen über die Möglichkeiten und Grenzen

komparativer Forschung; die Studierenden sind in der Lage, eine eigene kleine

Forschungsfrage mit einem komparativen Design zu entwickeln.


keine


keine

Sprache:

Deutsch


Prof. Dr. Sascha Münnich



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 2


25


Modul M.Soz.30a - Version 1


Modul M.Soz.30a: "Arbeit und Sozialstruktur" (Überblicksmodul)English title: Work and Social Structure (Overview Module)

6 C3 SWS


Im Zentrum dieses Moduls stehen zum einen die wichtigsten arbeits- und

industriesoziologischen Themengebiete, insbesondere der Wandel der

Arbeitsgesellschaft, die Regulierung von Arbeit, die Entwicklung kapitalistischer

Wirtschafts- und Organisationsformen sowie Kooperation und Konflikt am Arbeitsplatz,

wobei transnationale Perspektiven eine zentrale Rolle spielen.

Die Sozialstrukturanalyse fokussiert bildungs-, arbeitsmarkt- und familiensoziologische

Fragen, die in Lebenslaufperspektive und international vergleichend untersucht werden.

Die Forschungsfragen in diesem Teilbereich beziehen sich unter anderem auf die

geschlechtsspezifische Arbeitsteilung im Haushalt, auf Bildungsverläufe, berufliche

Mobilität und Arbeitslosigkeit und auf ihre Bezüge zu Prozessen sozialer Ungleichheit.

Während im Seminar über die Lektüre zentraler Studien die theoretischen Grundlagen

erarbeitet werden, werden in einem ergänzenden Seminar Fragen der empirischen

Umsetzung diskutiert.

Die Studierenden

• erwerben einen Überblick zu aktuellen Forschungsfragen aus dem Themenfeld

Arbeit, Unternehmen, Wirtschaft sowie der Sozialstrukturanalyse

• erwerben fundierte Kenntnisse der theoretischen und methodologischen

Grundlagen in diesen Bereichen und sind in der Lage, vorliegende Studien kritisch

zu diskutieren

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Arbeit und Sozialstruktur im Überblick I (Seminar)

2 SWS

2. Arbeit und Sozialstruktur im Überblick II (Seminar) 1 SWS

Prüfung: Portfolio (max. 20 Seiten) 6 C


Wissen über aktuelle Forschungsfragen aus dem Themenfeld Arbeit, Unternehmen,

Wirtschaft (z.B. Wandel der Arbeitsgesellschaft, Entwicklung kapitalistischer Wirtschafts-

und Organisationsformen, Regulierung von Arbeit sowie Kooperation und Konflikt am

Arbeitsplatz) sowie der Sozialstrukturanalyse und der theoretischen und methodischen

Grundlagen; die Studierenden können eigenständige Forschungsfragen entwickeln.


keine


keine

Sprache:

Deutsch


Prof. Dr. Karin Kurz

Prof. Dr. Nicole Majer-Ahuja


jedes Semester

Dauer:

1 Semester



Wiederholbarkeit:

zweimalig


1 - 2


25




Modul M.Soz.40a: Politische Soziologie und Sozialpolitik (Über-blicksmodul)English title: Political Sociology and Social Policy (Overview Module)

6 C3 SWS


Dieses Modul behandelt zentrale Themen im interdisziplinären Forschungsfeld der

Politischen Soziologie und der Sozialpolitik: Staat und Staatlichkeit, Demokratisierung,

wirtschaftliche Transformation, Globalisierung, Wohlfahrtsstaat sowie Kapitalismus und

soziale Gerechtigkeit.

Im Mittelpunkt steht die Analyse des Wandels der zugrunde liegenden institutionellen

Ordnungen und die Ziele, Funktionen und der sozialen Determinanten dieser

Ordnungen in jeweils historisch-vergleichender, institutioneller und akteursbezogener

Perspektive.

Im Seminar werden Grundlagentexte der klassischen und aktuellen internationalen

politisch-soziologischen Theoriedebatte behandelt, in dem zugehörigen zweiten Seminar

die empirische Relevanz der diskutierten Ansätze an ausgewählten historischen

Beispielen und aktuellen Entwicklungen erörtert.

Die Studierenden

• erwerben einen Überblick zu zentralen Themen der aktuellen politisch-

soziologischen Debatte in der Politischen Soziologie und Sozialpolitik

• können die Stärken und Schwächen theoretischer Ansätze beurteilen

• können die Anwendbarkeit theoretischer Ansätze auf spezifische

Forschungsfragen der Politischen Soziologie und der Sozialpolitik fachgerecht

begründen und beurteilen.

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Politische Soziologie und Sozialpolitik im Überblick I (Seminar)

2 SWS

2. Politische Soziologie und Sozialpolitik im Überblick II (Seminar) 1 SWS



Vertiefte Kenntnisse der zentralen Themen - Staat und Staatlichkeit, Demokratisierung,

wirtschaftliche Transformation, Globalisierung, Wohlfahrtsstaat sowie Kapitalismus

und soziale Gerechtigkeit - und Theoriedebatten im interdisziplinären Forschungsfeld

der Politischen Soziologie und Sozialpolitik. Die Studierenden können die Stärken

und Schwächen theoretischer Ansätze erkennen, deren Anwendbarkeit auf

spezifische Forschungsfragen der Politischen Soziologie beurteilen und eigenständige

Forschungsfragen entwickeln.


keine


keine

Sprache:

Deutsch


Prof. Timo Weishaupt




jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


25




Modul M.Soz.50a: Kultursoziologie (Überblicksmodul)English title: Sociology of Culture (Overview Module)

6 C3 SWS


Dieses Modul führt überblickweise an aktuelle Forschungsfragen der Kultursoziologie

heran; Kultursoziologie wird dabei sowohl als allgemeine Theorieperspektive als auch

im engeren Sinne als spezielle Soziologie verstanden, die sich auf Phänomene wie

Religion, Ethnizität, Sprache, Wissen und Lebensstile erstreckt. Im Mittelpunkt des

Moduls stehen neue theoretische Entwicklungen in der Kultursoziologie, die einerseits

die Analyse der sozialen Bestimmungsfaktoren von Kultur ("sociology of culture") und

andererseits die Analyse des kausalen Einflusses von Kultur auf soziales Handeln,

Beziehungen und Ordnungen ("cultural sociology") umfassen.

Im Fokus stehen darüber hinaus spezielle kultursoziologischer Forschungsfelder wie

Religion und Säkularisierung bzw. Migration und Ethnizität.

Das Modul gliedert sich in zwei Veranstaltungen. In einem Seminar wird unter

Berücksichtigung neuerer Entwicklungen der Kultursoziologie an den aktuellen

Forschungsstand der Religionssoziologie bzw. der Soziologie der Migration und

Ethnizität herangeführt. In dem zugehörigen zweiten Seminar werden ausgewählte

Forschungsarbeiten exemplarisch diskutiert. Eine direkte inhaltliche Anknüpfung des

Seminars an das Modul M.Soz.20 und damit an die komparative Forschungsausrichtung

des Studiengangs ist gewährleistet.

Die Studierenden

• erwerben Kenntnisse zu neueren theoretischen Entwicklungen in der

Kultursoziologie

• verfügen über Wissen zu speziellen kultursoziologischen Forschungsfeldern

• können aktuelle Studien der Kultursoziologie kritisch und fachgerecht diskutieren

Arbeitsaufwand:

Präsenzzeit:

31,5 Stunden

Selbststudium:

148,5 Stunden


1. Kultursoziologie im Überblick I (Seminar)

2 SWS

2. Kultursoziologie im Überblick II (Seminar) 1 SWS



Kenntnisse neuerer theoretischer Entwicklungen in der Kultursoziologie, die einerseits

die Analyse der sozialen Bestimmungsfaktoren von Kultur ("sociology of culture") und

andererseits die Analyse des kausalen Einflusses von Kultur auf soziales Handeln,

Beziehungen und Ordnungen ("cultural sociology") umfassen; vertiefte exemplarische

Erschließung spezieller kultursoziologischer Forschungsfelder; die Studierenden

verfügen insbesondere über empirische Kenntnisse in den Forschungsfeldern Religion

und Säkularisierung bzw. Migration und Ethnizität und sind fähig eigenständige

Forschungsfragen zu entwickeln.

Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:



keine keine

Sprache:

Deutsch


Prof. Dr. Matthias Koenig

Prof. Dr. Silke Hans


jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


25


Modul M.WIWI-BWL.0001 - Version 5


Modul M.WIWI-BWL.0001: FinanzwirtschaftEnglish title: Corporate Finance

6 C4 SWS


Nach dem erfolgreichen Absolvieren des Moduls sollten die Studierenden:

• einen vertieften Überblick über die grundlegenden Fragen der betrieblichen

Finanzwirtschaft besitzen

• zentrale Methoden zur Beurteilung von Investitionen verstehen, anwenden und kritisch

reflektieren können.

• zentrale Theorien zur Marktbewertung riskanter Zahlungsströme kennen und

diskutieren können.

• die Hypothesen zur Informationseffizienz von Kapitalmärkten verstehen und deren

Konsequenzen für Investoren und Unternehmen beurteilen können.

• Theorien zur optimalen Kapitalstruktur und Dividendenpolitik von Unternehmen

verstehen und vor dem Hintergrund verschiedener Marktfriktionen analysieren und im

Hinblick auf ihre praktischen Implikationen bewerten können.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Finanzwirtschaft (Vorlesung)

Inhalte:

1. Grundlegende Fragestellungen der betrieblichen Finanzwirtschaft

2. Investitionsentscheidungen unter Risiko: Risikoanalyse und subjektive Bewertung

3. Investitionsentscheidungen unter Risiko: Marktbewertung - Grundlagen (Capital Asset

Pricing Model, Arbitrage Pricing Theory, Empirische Faktormodelle)

4. Investitionsentscheidungen unter Risiko: Marktbewertung – Vollständig

eigenfinanziertes Unternehmen

5. Finanzierungsinstrumente, Finanzierungsentscheidungen und effiziente Kapitalmärkte

6. Kapitalstrukturentscheidungen

7. Investitionsentscheidungen unter Risiko: Marktbewertung – Teilweise

fremdfinanziertes Unternehmen

8. Dividendenentscheidungen

2 SWS

2. Finanzwirtschaft (Übung)

Inhalte:

Im Rahmen der begleitenden Übung vertiefen und erweitern die Studierenden die in der

Vorlesung erworbenen Kenntnisse und Fähigkeiten

2 SWS

Prüfung: Klausur (90 Minuten) 6 C


• Darlegung eines übergreifenden Verständnisses grundlegender finanzwirtschaftlicher

Fragestellungen.



• Nachweis der Kenntnis zentraler Methoden zur Beurteilung von Investitionen unter

Risiko sowie der Fähigkeit diese anzuwenden.

• Nachweis des Verständnisses zentraler Theorien zur Marktbewertung riskanter

Zahlungsströme und der Fähigkeit zur kritischen Beurteilung dieser Theorien.

• Nachweis des Verständnisses der Hypothesen zur Informationseffizienz von

Kapitalmärkten und deren praktischer Implikationen für Investoren und Unternehmen.

• Fähigkeit zur Analyse von Fragen der optimalen Kapitalstruktur und der

Dividendenpolitik von Unternehmen vor dem Hintergrund verschiedener Marktfriktionen.


keine


keine

Sprache:

Deutsch


Prof. Dr. Olaf Korn



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 2


nicht begrenzt


Module M.WIWI-BWL.0004 - Version 8


Module M.WIWI-BWL.0004: Financial Risk Management

6 C4 WLH


After a successful completion of the course students should be able to

• understand and explain how risk management is related to other issues in

corporate finance.

• critically assess different motivations for corporate risk management.

• understand and critically assess different risk measures and how they are applied

in practice.

• understand and explain how international risks can be managed and how the

management of international risks is related to various economic parity conditions.

• understand, analyze and critically apply measures and methods to manage interest

rate risk.

• understand, analyze and critically apply measures and methods to manage credit

risk.

• understand, analyze and critically apply hedging strategies for commodity price

risk.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Financial Risk Management (Lecture)

Contents:

1. Introduction

2. Risk Management: Motivation and Strategies

3. Managing International Risks

4. Managing Interest Rate Risk

5. Managing Credit Risk

6. Managing Commodity Price Risk

Parts of the material covered by the lectures will be transmitted via recordings that

students have to work through on their own. Parts of the contact hours during lectures

will be used by the students to discuss open issues and to work on specific cases and

applications of the main concepts.

2 WLH

2. Financial Risk Management (Tutorial)

Contents:

In the accompanying practice sessions students deepen and broaden their knowledge

from the lectures.

2 WLH

Examination: Written examination (90 minutes) 6 C


• Demonstrate a profound knowledge of how risk management is related to other

issues in corporate finance.

• Document an understanding of viable reasons for corporate risk management and

how corporate risk management can create value.

• Demonstrate the ability to analyze and apply different risk measures.



• Show a profound understanding of methods and techniques used to manage

international risks, interest rate risk, credit risk, and commodity price risk.


none


Modul "Finanzwirtschaft"

Language:

English


Prof. Dr. Olaf Korn

Course frequency:

Generally every winter semester during the first half

of the semester

Duration:

1 semester[s]


twice


2 - 3


not limited




Modul M.WIWI-BWL.0008: DerivateEnglish title: Derivatives

6 C4 SWS


Nach dem erfolgreichen Absolvieren des Moduls sollten die Studierenden:

• Vertiefte Kenntnisse über die verschiedenen Formen von Derivaten, insbesondere

deren Ausgestaltung, Handel und Bedeutung, besitzen.

• Verschiedene Bewertungsansätze für Derivate (Duplikationsprinzip, Hedgingprinzip,

Risikoneutrale Bewertung) verstehen und interpretieren können.

• Die der Bewertung von Derivaten zugrundeliegende ökonomische Argumentation

verstehen und diese kritisch reflektierend bewerten können.

• Die für die Bewertung von Derivaten erforderlichen mathematisch-statistischen

Verfahren verstehen und anwenden können.

• Auch komplexe Derivate analysieren und selbständig computergestützt bewerten

können.

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Derivate (Vorlesung)

Inhalte:

1. Einführung

1.1. Begriffliche Grundlagen

1.2. Grundidee der Derivatebewertung

2. Forwards und Futures

2.1. Arbitragefreie Terminpreise

2.2. Forwards versus Futures

3. Optionen

3.1. Grundlagen

3.2. Verteilungsfreie Wertgrenzen

3.3. Arbitrageorientierte Bewertung

4. Risikomanagement von Derivatepositionen

4.1. Optionssensitivitäten

4.2. Risikosteuerung

4.3. Marktfriktionen und gleichgewichtsorientierte Bewertung

Die Erarbeitung des Vorlesungsstoffes erfolgt z.T. im Selbststudium auf Basis von

Vorlesungsaufzeichnungen. In den Präsenzzeiten während der Vorlesungstermine kann

daher verstärkt an Fallbeispielen und der konkreten Umsetzung der Konzepte durch die

Studierenden gearbeitet werden.

2 SWS

2. Derivate (Übung) 2 SWS



Inhalte:

Im Rahmen der begleitenden Übung vertiefen und erweitern die Studierenden die in der

Vorlesung erworbenen Kenntnisse und Fähigkeiten.



• Nachweis von Kenntnissen über die Ausgestaltungsformen von Derivaten, den

Derivatehandel und die Bedeutung unterschiedlicher Produkte.

• Nachweis von Kenntnissen über die verschiedenen Bewertungsansätze von Derivaten.

• Nachweis über die Fähigkeit zur kritischen Analyse von Bewertungsmodellen und ihrer

Annahmen.

• Nachweis von Kenntnissen über die sich aus Bewertungsmodellen ergebenden

Verfahren zum Risikomanagement von Derivaten und deren Anwendung.

• Fähigkeit zur eigenständigen Analyse komplexer Derivatepositionen und zur Ermittlung

von modellbasierten Werten.


keine


Modul "Finanzmärkte und Bewertung"

Sprache:

Deutsch


Prof. Dr. Olaf Korn


In der Regel jedes Wintersemester in der zweiten

Hälfte der Vorlesungszeit

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3


nicht begrenzt




Modul M.WIWI-BWL.0080: Marktforschung IIEnglish title: Market Research II

6 C3 SWS


· Grundlagen der Matrizenrechnung

· Faktorenanalyse

· Strukturgleichungsmodelle

· Conjoint-Analyse (traditionelle, hybride, adaptive und choice-based Conjoint-

Analyse)

· Discrete Choice Modellierung

Ziele des Moduls sind das tiefere Verständnis und die Anwendung

multivariater Verfahren zur Analyse von Marketingfragestellungen. Es werden

Strukturgleichungsmodelle, die Conjoint-Analyse sowie Discrete Choice Modelle

behandelt.

Die in der Vorlesung vermittelten theoretischen Kenntnisse werden im Rahmen einer

Übung zur Veranstaltung praktisch geübt und gefestigt

Arbeitsaufwand:

Präsenzzeit:

42 Stunden

Selbststudium:

138 Stunden


1. Marktforschung II (Vorlesung)

2 SWS

2. Marktforschung II (Übung) 1 SWS



Nachweis von Kenntnissen multivariater Verfahren.

Anwendung auf marketingrelevante Fragestellungen, Analyse und Interpretation von

Resultaten multivariater Verfahren.


Diplomstudierende: nur Hauptstudium


Grundkenntnisse in Statistik

Sprache:

Deutsch


Prof. Dr. Yasemin Boztug

Prof. Dr. Maik Hammerschmidt, Prof. Dr. Waldemar

Toporowski



Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


1 - 3




nicht begrenzt




Module M.WIWI-BWL.0139: Discrete Choice Modeling

6 C2 WLH


A comprehensive course for advanced discrete choice analysis (stated vs revealed

choice, cross-sectional vs repeated data, Logit, Probit, GEV, Mixed models, classic vs.

Bayesian estimation, etc.)

Students will be able to apply own discrete choice models using the statistical

programming language R.

Workload:

Attendance time:

28 h

Self-study time:

152 h

Course: Discrete Choice Modeling (Lecture with exercise)

Contents:

• Multinomial Logit (MNL) and Probit Models

• Generalized Extreme Value Models

• Finite Mixture and Mixed MNL Models

• Hierarchical Bayesian MNL Models

The term paper will contain a self-conducted empirical project. Students will be provided

with empirical data, but are welcome to analyze own projects. Students are advised to

use the statistical programming language R, but can be allowed to use different statistics

software in exceptional cases.

2 WLH

Examination: Term Paper (max. 12 pages) 6 C


Theoretical, methodological and empirical elaboration of discrete choice modeling.


none


Basics in probability theory and distributions,

inferential statistics, maximum likelihood estimation

and (logistic) regression analysis

Language:

English


Dr. Ossama Elshiewy

Course frequency:

each winter semester

Duration:

1 semester[s]


twice


2 - 4


25


Module M.WIWI-QMW.0001 - Version 7


Module M.WIWI-QMW.0001: Generalized Linear Models

6 C4 WLH


The students

• gain an overview on extended regression modelling techniques that allow to

analyse data with non-normal responses.

• learn about approaches for modeling nonlinear effects in scatterplot smoothing.

• get an introduction to additive models for complex regression analyses.

• learn how to implement these approaches using statistical software packages.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Generalized Linear Models (Lecture)

Contents:

Generalized linear models (binary and Poisson regression, exponential families,

maximum likelihood estimation, iteratively weighted least squares regression, tests of

hypotheses, confidence intervals, model selection and model checking, categorical

regression models), nonparametric smoothing techniques (penalized spline smoothing,

local smoothing approaches, general properties of scatterplot smoothers, choosing the

smoothing parameter, bivariate and spatial smoothing, generalized additive models)

2 WLH

2. Generalized Linear Models (Tutorial) 2 WLH


minutes)


Presentation (approx. 40 minutes) or Exercises (50% successful completion)


In the exam, the students demonstrate their ability to choose, fit and interpret extended

regression modeling techniques. They show a general understanding of the derived

estimates and their interpretation in various contexts. The students are able to

implement complex regression models using statistical software and to interpret the

corresponding results. The exam covers contents of both the lecture and the exercise

class.

6 C


none


Lineare Modelle

Language:

English


Prof. Dr. Thomas Kneib

Course frequency:

every summer semester

Duration:

1 semester[s]


twice


2


not limited




The actual examination will be published at the beginning of the semester.




Module M.WIWI-QMW.0002: Advanced Statistical Inference (Li-kelihood & Bayes)

6 C4 WLH


The students

• learn about the foundations and general properties of likelihood-based inference in

statistics.

• get familiar with the Bayesian approach to statistical learning and its properties.

• learn how to implement both approaches in statistical software using appropriate

numerical procedures.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Advanced Statistical Inference (Likelihood & Bayes) (Lecture)

Contents:

The likelihood function and likelihood principles, maximum likelihood estimates and their

properties, likelihood-based tests and confidence intervals (derived from Wald, score,

and likelihood ratio statistics), expectation maximization algorithm, Bootstrap procedures

(estimates for the standard deviation, the bias and confidence intervals), Bayes theorem,

Bayes estimates, Bayesian credible intervals, prior choices, computational approaches

for Bayesian inference.

2 WLH

2. Advanced Statistical Inference (Likelihood & Bayes) (Tutorial) 2 WLH


minutes)




The students demonstrate their general understanding of likelihood-based and Bayesian

inference for different types of applications and research questions. They know about

the advantages and disadvantages as well as general properties of both approaches,

can critically assess the appropriateness for specific problems, and can implement them

in statistical software. The exam covers contents of both the lecture and the exercise

class.

6 C


none


none

Language:

English



Course frequency:

every year

Duration:

1 semester[s]


twice


1 - 2


not limited




Module M.WIWI-QMW.0004: Econometrics I

6 C4 WLH


This lecture provides a detailed introduction and discussion to the theory of several

topics of econometrics. In a practical course the students will apply the methods

discussed to real economic data and problems using the statistical software packages

Eviews and R.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Econometrics I (Lecture)

Contents:

Multiple linear regression model: Estimation, Inference and Asymptotics. Maximum

likelihood modeling. Generalized least squares.

Stochastic regressors. Intrumental variable estimators. Generalized method of moments,

likelihood based inference. Dynamic models, weak exogeneity, cointegration, stochastic

integration.

2 WLH

2. Econometrics I (Tutorial) 2 WLH



Linear regression models, generalized linear regression models. OLS, GLS, EGLS

estimation. Multiplikative heteroskedasticity, autocorrelation. LM specification

testing, Durbin Watson test. Convergence in probability, convergence in distribution.

Asymptotics (consistency, asymptotic normality) of OLS estimators. IV estimation, GMM

estimation.

6 C


none


Necessary: Mathematics (linear algebra), Statistics

in addition: Introduction to econometrics (or equal

lecture)

Language:

English


Prof. Dr. Helmut Herwartz

Course frequency:

every semester

Duration:

1 semester[s]


twice


2 - 3


not limited




Module M.WIWI-QMW.0005: Econometrics II

6 C4 WLH


This advanced course extends techniques and theory introduced in the lecture

Econometrics I. The use of econometrics in estimating models derived from theory is

illustrated. The application of these methods on real data using the statistical software

package Eviews as well as R is practiced in exercises.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Econometrics II (Lecture)

Contents:

Models with binary explanatory variables, seemingly unrelated regressions. Multi-

equation dynamic models, simultaneous equation models, vector autoregressions,

(vector) error correction models, models with binary dependent variables.

2 WLH

2. Econometrics II (Tutorial) 2 WLH



Dynamic models. Stochastic trends. Unit roots. Spurious regressions. Stochastic

integration. Cointegration modeling (ECM, testing for integration and cointegration, weak

exogeneity, causality analysis). 2 and 3 SLS estimation. Higher dimensional modelling

(joint endogeneity). Logit/Probit estimation.

6 C


none


Modul "Ökonometrie I"

Language:

English



Course frequency:


Duration:

1 semester[s]


twice


2 - 3


not limited




Module M.WIWI-QMW.0009: Introduction to Time Series Analysis

6 C4 WLH


The students

• learn concepts and techniques related to the analysis of time series and

forecasting.

• gain a solid understanding of the stochastic mechanisms underlying time series

data.

• learn how to analyse time series using statistical software packages and how to

interpret the results obtained.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Introduction to Time Series Analysis (Lecture)

Contents:

Classical time series decomposition analysis (moving averages, transformations of

time series, parametric trend estimates, seasonal and cyclic components), exponential

smoothing, stochastic models for time series (multivariate normal distribution,

autocovariance and autocorrelation function), stationarity,spectral analysis, general

linear time series models and their properties, ARMA models, ARIMA models, ARCH

and GARCH models.

2 WLH

2. Introduction to Time Series Analysis (Tutorial) 2 WLH



The students show their ability to analyse time series using specific statistical

techniques, can derive and interpret properties of stochastic models for time series,

and can decide on appropriate models for given time series data. The students are

able to implement time series analyses using statistical software and to interpret the

corresponding results. The exam covers contents of both the lecture and the exercise

class.

6 C


none


Statistics

Language:

English



Course frequency:

every year

Duration:

1 semester[s]


twice


2 - 3


not limited




Module M.WIWI-QMW.0010: Multivariate Statistics

6 C4 WLH


The students:

• learn the basic concepts of multivariate data analysis

• know how to apply the most common methods of multivariate statistics in practice

• learn how to implement multivariate statistical approaches using the software

package R

• know how to interpret the results of multivariate data analyse

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Multivariate Statistics (Lecture)

Contents:

Multivariate distributions and their properties, multivariate normal distribution, principal

component analysis, factor analysis, discriminant analysis, cluster analysis

2 WLH

2. Multivariate Statistics (Exercise) 2 WLH


minutes)



6 C


In the exam, the students demonstrate that they are able to apply the basic concepts

of multivariate statistics. They can decide for a suitable procedure given an applied

problem, implement the approach in statistical software and interpret the results. The

exam consists of material from both the lecture and the exercise class.


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


2 - 3


not limited




Module M.WIWI-QMW.0011: Statistical Programming with R

6 C4 WLH


The students learn how to independently implement and optimize advanced statistical

methodology with the statistical software package R

Workload:

Attendance time:

56 h

Self-study time:

124 h

Course: Statistical Programming with R (Lecture with tutorial)

Contents:

The students work on advanced statistical programming projects using

methods and techniques they got to know in the "Introduction to R". This

involves implementation of advanced statistical methodology, utilising

tools for debugging and profiling code and documenting the code. The

progress of the projects is documented in a presentation and a written

report.

4 WLH

Examination: Term paper (max. 15 pages)


Practical examination and presentation (approx. 15 minutes)

6 C


The students work on a programming project and document their work in a written report

and a presentation.


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


2


30




Module M.WIWI-QMW.0012: Multivariate Time Series Analysis

6 C4 WLH


The students

• learn concepts and techniques related to the analysis of multivariate time series

and the forecasting thereof.

• learn to characterize the dynamic interrelationship between the variables of

dynamic systems

• learn to relate economic models with restrictions implied by its empirical

counterpart

• learn how to analyse multivariate time series using by means of statistical software

packages and to interpret the results obtained.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Multivariate Time Series Analysis (Lecture)

Contents:

Vector Autoregressive and Vector Moving Average representations Model selection

and estimation, Unit roots in vector processes, Vector autoregressive vs. vector error

correction modeling, structural vectorautoregressions, Impulse response analysis,

forecasting, forecast error variance decomposition

2 WLH

2. Multivariate Time Series Analysis (Tutorial) 2 WLH



The students show their ability to analyse systems of time series using specific

statistical techniques, can derive and interpret properties of stochastic models for

time series, and can decide on appropriate models for given data. The students are

able to implement time series analyses using statistical software and to interpret the

corresponding results. The exam covers contents of both the lecture and the exercises.

6 C


none


Modul "Statistik", Modul "Econometrics I", Modul

"Introduction to Time Series Analysis"

Language:

English



Course frequency:

every second semester

Duration:

1 semester[s]


twice


3 - 4


Modul M.WIWI-QMW.0013 - Version 3


Modul M.WIWI-QMW.0013: Applied EconometricsEnglish title: Applied Econometrics

6 C4 SWS


Studierende sollen lernen problemorientiert relevante ökonometrische Konzepte

auszuwählen und anhand empirischer Daten umzusetzen. Mögliche Anwendungen

können sein: Ökonometrische Überprüfung ökonomischer Modelle, Quantifikation

von Modellparametern, Prognoseverfahren. Des Weiteren dient die Veranstaltung der

Vorbereitung für die Teilnahme an Seminaren im Fach Ökonometrie.

Lernziel : Selbständige Durchführung einer empirischen Analyse zu einem

vorgegebenen Thema (Datenrecherche, Methodenauswahl, Softwareauswahl,

Ergebnisdiskussion).

Arbeitsaufwand:

Präsenzzeit:

56 Stunden

Selbststudium:

124 Stunden


1. Applied Econometrics (Vorlesung)

Inhalte:

In dieser Veranstaltung werden zu konkreten ökonomischen Modellen

(Kaufkraftparitätentheorie, Zinsparitäten, Zinsstrukturkurven, (international or

consumption based) Capital Asset Pricing model (CAPM), dynamisches CAPM, etc.)

relevante statistische Konzepte vorgestellt, das ökonomische Modell diskutiert und

geeignete Daten zusammengestellt. Anschließend erfolgt die Modellimplementation

am Rechner. Die betrachteten ökonomischen Modelle sind nicht festgelegt und

können über verschiedene Semester wechseln und ggfs. können auch Interessen der

Studierenden bei der Modellauswahl berücksichtigt werden.

2 SWS

2. Applied Econometrics (Übung) 2 SWS

Prüfung: Fallstudie (max. 15 Seiten) oder Klausur (90 Minuten)


Im Rahmen der Fallstudie sollten die Studierenden zeigen, dass sie zu einer

gegebenen ökonomischen Fragestellung (z.B.: Überprüfung von Zinsparitäten, Stabiltät

ökonomischer Verhaltensgleichungen) in der Lage sind geeignete Daten selbständig

zu recherchieren und mit geeigneten ökonometrischen Methoden zu analysieren. Zur

Prüfungsleistung zählen auch eine ausführliche Darstellung der Problemstellung und -

lösung sowie eine eingehende Diskussion der Ergebnisse. Je nach Erfordernis aus der

spezfiischen Fragestellung können auch kleinere Simulationsstudien angedacht sein.

Eine Präsentation der Fallstudie ist nicht vorgesehen.

6 C


keine


BA Veranstaltungen in Statistik und Ökonometrie

Sprache:

Englisch, Deutsch




jährlich

Dauer:

1 Semester


Modul M.WIWI-QMW.0013 - Version 3

Wiederholbarkeit:

zweimalig


1 - 2


30




Module M.WIWI-QMW.0016: Spatial Statistics

6 C4 WLH


The students

• learn about the principle possibilities to include spatial information in statistical

models.

• acquire experience in the practical analysis of spatial data

• learn how to interpret the results of spatial analyses

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Spatial Statistics (Lecture)

Contents:

Statistical analysis of spatially oriented data, spatial models for point-referenced data

(geostatistics, kriging), spatial models for regional data (Markov randomfields), spatial

point processes, spatial stochastic processes, statistical inference in spatial statistics.

2 WLH

2. Spatial Statistics (Tutorial) 2 WLH


minutes)




The students show in the exam that they have learned to perform the basic steps and

calculartions involved in analyses of spatial data. They can choose the most appropriate

model for a given problem and can implement this model in statistical software. In

addition. The resulting estimates can be interpreted and the results can be critically

evaluated. The exam covers contents of both the lecture and the exercise class.

6 C


none


none

Language:

English



Course frequency:

every year

Duration:

1 semester[s]


twice


2 - 3


not limited






Module M.WIWI-QMW.0020: Practical Statistical Training

6 C2 WLH


The students:

• learn how to implement statistical procedures for a given applied problem in a

collaboration

• learn how to present results from a statistical analysis

• can identify a suitable statistical approach for a given problem, apply it and

interpret the results.

Workload:

Attendance time:

28 h

Self-study time:

152 h

Course: Statistical Consulting

Contents:

In collaboration with a collaboration partner providing the applied research question, the

students develop statistical solutions in groups of up to four students.

2 WLH

Examination: Term Paper (max. 20 pages)


Two presentations

6 C


none


none

Language:

English



Prof. Dr. Heike Bickeböller, Prof. Dr. Tim Friede

Course frequency:

once a year

Duration:

1 semester[s]


twice


3


30




Module M.WIWI-QMW.0021: Introduction to R

3 C2 WLH


The students:

• get to know the basic functionality of the statistical software package R

• can implement advanced statistical approaches in R while using approproate tools

for optimising the code

Workload:

Attendance time:

28 h

Self-study time:

62 h

Course: Introduction to R (Lecture with tutorial)

Contents:

Data types and class structures, vectors and matrives, reading and writing data,

statistical graphics, creating R packages, including other programming languages,

debugging and profiling code, S3 and S4 classes, Trellis graphics and other advanced

graphics features

2 WLH


minutes)




The students work on a programming project and document their work in a written

report.

3 C


none


none

Language:

English



Course frequency:

once a year

Duration:

1 semester[s]


twice


1


30




Module M.WIWI-VWL.0008 - Version 5


Module M.WIWI-VWL.0008: Development Economics I: Macro Issuesin Economic Development

6 C4 WLH


Expose students to macroeconomic issues in economic development, including how

economic growth, trade, inequality, aid, capital flows, and population issues affect

economic development. They understand historical roots of underdevelopment and

acquire knowledge of current economic models and empirical approaches in these topic

areas.

Workload:

Attendance time:

42 h

Self-study time:

138 h

Courses:

1. Development Economics I (Lecture)

2 WLH

2. Development Economics I (Tutorial) 2 WLH



The students demonstrate a good understanding of key theories and models of

economic development. They are able to critically present these theories and models,

are able to interpret empirical results that relate to these models, and are able to

crucially draw relevant policy conclusions coming out of these models and empirical

assessments.


none


Knowledge of macroeconomics and econometrics at

BA level is highly desirable.

Language:

English


Prof. Stephan Klasen

Course frequency:

every winter semester

Duration:

1 semester[s]


twice


1 - 3


not limited




Module M.WIWI-VWL.0009: Development Economics II: Micro Issuesin Development Economics

6 C4 WLH


Expose students to microeconomic issues in economic development, including the

role of poverty, measurement, and linkages between fertility, undernutrition, and poorly

functioning labor, capital, and land markets and poverty in rural areas. It should also

equip students to develop and assess policy options for poverty reduction.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Development Economics II (Lecture)

2 WLH

2. Development Economics II (Tutorial) 2 WLH



The students demonstrate a good understanding of key micro theories and models of

poverty in developing countries. They are able to critically present these theories and

models, are able to interpret empirical results that relate to these models, and are able

to crucially draw relevant policy conclusions coming out of these models and empirical

assessments.


none


Knowledge of microeconomics and econometrics

at BA level is highly desirable. Development

Economics I is not a prerequisite.

Language:

English



Course frequency:


Duration:

1 semester[s]


twice


1 - 3


not limited




Module M.WIWI-VWL.0022: Analysis of Micro Data

6 C4 WLH


Allow students to acquaint themselves with cutting edge methods in the analysis

of micro data, with particular emphasis on analyzing microeconometric issues in

developing countries.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Analysis of Micro Data (Lecture)

2 WLH

2. Analysis of Micro Data (Tutorial) 2 WLH


Examination: Term Paper (max. 10 pages) 3 C


In the exam, students demonstrate their ability to interpret cutting edge research in the

analysis of household surveys, including the ability to formulate an econometric research

strategy to analyze a particular research question, and evaluating econometric studies

from both a methodological and substantive perspective.


none


Knowledge of MA level econometrics highly

desirable.

Language:

English



Course frequency:

every 4. semester

Duration:

1 semester[s]


twice


3 - 4


25




Module M.WIWI-VWL.0040: Empirical Trade Issues

6 C4 WLH


This course is intended to cast light on present-day controversies in international trade

through study of contemporary trade theories and assessment of the latest empirical

analysis of five important topics of international trade research.

The main aim is to improve students’ ability to evaluate and to undertake empirical

research in international trade. All readers are expected to have completed graduate

courses in microeconomics and econometrics.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Empirical Trade Issues (Lecture)

Contents:

The course is organized along five empirical questions:

1. What do countries trade?

2. Why has trade increased so much?

3. Why do we still trade so little?

4. Did globalization contribute to the rise in inequality?

5. Does trade increase productivity?

We will learn the necessary modeling tools and empirical instruments that help answer

these questions.

The course will be structured around a series of lectures (2SWS), supplemented by

class discussion, and tutorials (2SWS) in which students will solve empirical exercises

using STATA (based on Feenstra, 2004 and on De Benedictic and Salvatici, 2011) that

replicate the results on some research papers.

2 WLH

2. Empirical Trade Issues (Tutorial) 2 WLH

Examination: Term Paper (max. 10 pages, based on the tutorial)



Trade theory, empiric results of the main questions to international trade and the actual

scientific debate


none


Macroeconomics, Microeconomics, Econometrics I,

International Economics

Language:

English


Prof. Dr. Inmaculada Martinez-Zarzoso

Course frequency:

every winter semester

Duration:

1 semester[s]

Number of repeat examinations permitted: Recommended semester:



twice 2 - 4


30




Module M.WIWI-VWL.0041: Panel Data Econometrics

6 C4 WLH


Static and dynamic panel data models for continuous and discrete dependent variables.

Empirical evaluation of economic models is an important feature of the study and

application of economics. The course is concerned with the application of econometric

methods, with little emphasis on the mathematical aspects of the subject (which may

be studied in other modules). The computer software package STATA will be used for

practical work. Previous knowledge of intermediate econometrics is required.

This course aims to study panel data econometric techniques in an intuitive and practical

way and to provide the skills and understanding to read and evaluate empirical literature

and to carry out empirical research.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Panel Data Econometrics (Lecture)

2 WLH

2. Panel Data Econometrics (Tutorial) 2 WLH

Examination: Term Paper (max. 10 pages, based on the tutorial)



Static panel data models; Fixed effects; random effects; Between estimation; Dynamic

panel data models; Arellano-Bond estimator; Pooled mean group estimation; discrete

choice Stata


none


Econometrics I

Language:

English


Prof. Dr. Inmaculada Martinez-Zarzoso

Course frequency:


Duration:

1 semester[s]


twice


2 - 4


30




Module M.WIWI-VWL.0096: Essentials of Global Health

6 C2 WLH


Comprehensive understanding of global health.

Workload:

Attendance time:

28 h

Self-study time:

152 h

Course: Essentials of Global Health (Lecture with Tutorial)

Contents:

The course will introduce students to the main concepts of the public health field and

the critical links between global health and economic development. Students will get an

overview of the determinants of health and how health status is measured. Students will

also review the burden of disease, risk factors, and key measures to address the burden

of disease in cost-effective ways. The course will be global in coverage but with a focus

on low- and middle-income countries and on the health of the poor.

2 WLH

Examination: Presentation (approx. 20 minutes) with written elaboration (max. 10

pages)


Comprehensive understanding of global health.

6 C


none


none

Language:

English


Prof. Dr. Sebastian Vollmer

Course frequency:


Duration:

1 semester[s]


twice


1 - 2




Module M.WIWI-VWL.0099: Poverty & Inequality

6 C4 WLH


This course provides an in-depth analysis of inequality, poverty and related economic

issues at the graduate level. The course covers theories of justice, methodological

aspects of poverty & inequality measurement, global aspects of poverty & inequality,

effects of inequality on socio-economic outcomes, gender inequalities, inequality

and poverty in rich countries as well as development policy targeting poverty. Some

familiarity with development issues and empirical methods is highly desirable but

not required. The course is open to M.A. students in development economics and

international economics as well as graduate students from related fields.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Poverty & Inequality (Lecture)

2 WLH

2. Poverty & Inequality (Tutorial) 2 WLH

Examination: Practical examination with written elaboration (max. 5 pages)


Demonstrating skills related to the measurement of poverty and inequality.

Demonstrating an understanding of the drivers and consequences of poverty and

inequality and their interlinkages based on the most recent scientific literature.

2 C



Application of theoretical concepts to measure poverty and inequality using real data

from a developing countries and statistical software like Stata.

4 C


none


none

Language:

English


Prof. Dr. Sebastian Vollmer

Course frequency:

irregular

Duration:

1 semester[s]


twice


1 - 4


40




Module M.WIWI-VWL.0113: Financial Econometrics

6 C4 WLH


Students acquire and apply important econometric techniques in the area of

international finance, macroeconomics, and financial. The focus will be on relevant

applications rather than on statistical theory. Special emphasis will be placed on the

development of programming skills in MATLAB. Students learn (i) how to work with real

world data, (ii) how to set-up an econometric model in order to answer specific research

questions, and (iii) how to present the results.

Workload:

Attendance time:

56 h

Self-study time:

124 h

Courses:

1. Financial Econometrics (Lecture)

Contents:

a) Univariate time series modeling: ARMA models, Box-Jenkins approach, forecasting

b) Multivariate models: simultaneous equations, Vector ARMA models

c) Non-stationary time-series: unit roots, cointegration

d) Modeling volatility: ARCH and GARCH models

2 WLH

2. Financial Econometrics (Programming class)

Contents:

a) Introduction to MATLAB

b) Working on programming exercises

c) Working on empirical project

2 WLH



Practical examination and presentation (approx. 30 minutes)

6 C


Students will work on an empirical project, writing their own MATLAB code to analyze

real world data. Depending on the number of participants, students will work in groups.

The results of the group work will be presented in front of the class.

The exam covers contents of the lecture and the programming class.


none


Econometrics I

Language:

English


Prof. Dr. Tino Berger

Course frequency:

irregular

Duration:

1 semester[s]


twice


3 - 4


not limited


Modul M.WIWI-WB.1000 - Version 2


Modul M.WIWI-WB.1000: PraktikumEnglish title: Internship

6 C


Die Studierenden haben Kompetenzen im Bereich der projektbezogenen Teamarbeit

und des Projektmanagements in einer externen Einrichtung erworben. Das externe

Praktikum hat somit das Ziel, die Studierenden mit Verfahren, Werkzeugen und

Prozessen der praktischen Anwendung der Inhalte eines wirtschaftswissenschaftlichen

Studiengangs sowie dem organisatorischen und sozialen Umfeld der Praxis bekannt zu

machen. Das externe Praktikum fördert die Fähigkeit zur Teamarbeit. Die Studierenden

haben während des externen Praktikums an der Lösung wirtschaftswissenschaftlicher

Anwendungsprobleme mitgearbeitet.

Arbeitsaufwand:

Präsenzzeit:

170 Stunden

Selbststudium:

10 Stunden

Lehrveranstaltung: Praktikum außerhalb der Universität

Inhalte:

Das externe Praktikum beinhaltet ein breites Tätigkeitsspektrum und vermittelt einen

möglichst umfassenden Einblick in Betriebsabläufe, in denen Absolventen eines

wirtschaftswissenschaftlichen Master-Studiengangs eingesetzt werden.

Prüfung: Praktikumsbericht (max. 10 Seiten, unbenotet), unbenotet


Vorlage eines Zeugnisses des Praktikumsgebers.

6 C


Nachweis über den Erwerb der folgenden Kenntnisse und Fähigkeiten: Vermittlung

von Kompetenzen im Bereich der projektbezogenen Teamarbeit und des

Projektmanagements in einer außeruniversitären Einrichtung.


Erwerb von mindestens 30 Credits.


keine

Sprache:

Deutsch, Englisch


Studiendekan/in


jedes Semester

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig


2 - 3


nicht begrenzt

Bemerkungen:

Details zum organisatorischen Ablauf von Praktika sind in der Anlage der Rahmenprüfungs- und

Studienordnung der Master-Studiengänge der Wirtschaftswissenschaftlichen Fakultät geregelt.


Modul SK.GB.01 - Version 2


Modul SK.GB.01: Sozialkompetenz: Gender- und Diversitykompe-tenz: Grundlagen für die berufliche PraxisEnglish title: Social skills: Introduction to Gender and Diversity Competencies in the

Workplace

3 C2 SWS


• Sensibilisierung für und Reflexion über (eigene) stereotype Zuschreibungen

hinsichtlich unterschiedlicher Diversitätsdimensionen

• Erhöhtes Bewusstsein im Umgang mit indirekten und direkten organisationalen

Ausschließungsmechanismen

• Wissenserwerb über ausgewählte theoretische Konzepte und empirische Daten zu

Gender und Diversity

• Anwendung dieses Wissens über Übungen sowie Fallstudien und Erarbeitung von

Lösungskonzepten zu Diversitätsfragen mit dem Ziel, selbstständig Gender- und

Diversitätsthemen in Organisationen zu identifizieren und zu analysieren

• (Weiter-) Entwicklung der eigenen Handlungskompetenz, auch für den beruflichen

Bereich.

Es werden schwerpunktmäßig soziale Kompetenzen erworben:

- Analyse- und Reflexionsfähigkeit

- Verbesserung der Teamfähigkeit durch Kleingruppenarbeit

Arbeitsaufwand:

Präsenzzeit:

28 Stunden

Selbststudium:

62 Stunden

Lehrveranstaltung: Sozialkompetenz: Gender- und Diversitykompetenz:

Grundlagen für die berufliche Praxis (Seminar)

Angebotshäufigkeit: unregelmäßig

2 SWS

Prüfung: Präsentation (ca. 15 Min.), unbenotet


regelmäßige, aktive Teilnahme; Themenbearbeitung mit eigener Recherche in

Arbeitsgruppen, vertiefende Lektüre vorbereitender Literatur


Die Teilnehmerinnen und Teilnehmer erbringen mit einer interaktiv und kreativ

konzipierten Präsentation einschließlich eines zusammenfassenden Handouts

den Nachweis, dass sie Grundlagenkenntnisse zum Themengebiet "Gender- und

Diversitykompetenz" erworben haben.

3 C


Die Teilnehmerinnen und Teilnehmer erbringen mit einer Präsentation einschließlich

eines zusammenfassenden Handouts den Nachweis, dass sie Grundlagenkenntnisse

zum Themengebiet „Gender- und Diversitykompetenz“ erworben haben.


keine


keine

Sprache:

Deutsch


Dr. Daniela Marx


Modul SK.GB.01 - Version 2


unregelmäßig

Dauer:

1 Semester

Wiederholbarkeit:

zweimalig



16


Amtliche Mitteilungen II - Universität Göttingen

Documents

Transcript of Amtliche Mitteilungen II - Universität Göttingen